利用Redis如何實(shí)現(xiàn)自動(dòng)補(bǔ)全功能

忘了redis從哪個(gè)版本開啟，能夠根據(jù)輸入的部分命令前綴給出提示，即自動(dòng)補(bǔ)全。接下來筆者介紹基于redis實(shí)現(xiàn)這個(gè)很酷的功能。

about sorted set

假設(shè)結(jié)果中有mara，marabel，marcela?，F(xiàn)在我們輸入mar，就能得到這三個(gè)名字，并且輸出結(jié)果按照字典排序。在實(shí)現(xiàn)這個(gè)需求之間，我們先簡(jiǎn)單介紹sorted set。

大家都知道sorted set是按照score排序的：

127.0.0.1:6380> zadd test 85 sida
127.0.0.1:6380> zadd test 80 xiaolang
127.0.0.1:6380> zadd test 60 afei
127.0.0.1:6380> zadd test 90 chenssy
127.0.0.1:6380> zadd test 98 yunaiv
127.0.0.1:6380> zrange test 0 -1
1) "afei"
2) "xiaolang"
3) "sida"
4) "chenssy"
5) "yunaiv"

但是如果score都一樣，sorted set是按照什么排序的呢？是按照字典排序的：

127.0.0.1:6380> zadd exam 0 sida
127.0.0.1:6380> zadd exam 0 xiaolang
127.0.0.1:6380> zadd exam 0 chenssy
127.0.0.1:6380> zadd exam 0 yunaiv
127.0.0.1:6380> zadd exam 0 afei
127.0.0.1:6380> zrange exam 0 -1
1) "afei"
2) "chenssy"
3) "sida"
4) "xiaolang"
5) "yunaiv"

這是sorted set一個(gè)非常重要的特性，也是我們自動(dòng)補(bǔ)全需求的一個(gè)要點(diǎn)。但是這還不夠，離我們的最終需求還有一段路要走。幸運(yùn)的是sorted set還有另一個(gè)很酷的命令：ZRANK。這個(gè)命令能知道你要查詢的key在sorted set中的位置：

127.0.0.1:6380> zrank exam sida
(integer) 2
127.0.0.1:6380> zrank exam yunaiv
(integer) 4
127.0.0.1:6380> zrange exam 2 4
1) "sida"
2) "xiaolang"
3) "yunaiv"

到這里感覺離我們實(shí)現(xiàn)自動(dòng)補(bǔ)全的第一個(gè)版本非常接近了，我們能得到sorted set中按照字典排序后任意一個(gè)member及其后面N個(gè)member。

簡(jiǎn)單實(shí)現(xiàn)

為了實(shí)現(xiàn)最終的自動(dòng)補(bǔ)全，我們需要付出一些代價(jià)：空間。

意思是，對(duì)于某個(gè)準(zhǔn)備添加到sorted set中的member，例如afei，我們不僅要把完整的詞（afei）添加到sorted set中，而且還要添加所有可能的前綴（a, af, afe, afei）。這里為了解決某個(gè)詞是真正的member還是某個(gè)member的前綴（例如bar既是一個(gè)完整的詞，也是某個(gè)member例如bark的可能前綴），我們加了一個(gè)小把戲，即在真正member的后面增加一個(gè)特殊字符，例如"$"，那么afei這個(gè)member就會(huì)添加下列這些詞：

a, af, afe, afei, afei$

現(xiàn)在假設(shè)我們需要添加三個(gè)詞：foo, bar, foobar 來進(jìn)行一些測(cè)試， 那么sorted set中就會(huì)有如下這些詞：

127.0.0.1:6380> zrange autoc 0 -1
 1) "b"
 2) "ba"
 3) "bar"
 4) "bar$"
 5) "f"
 6) "fo"
 7) "foo"
 8) "foo$"
 9) "foob"
10) "fooba"
11) "foobar"
12) "foobar$"

離我們最終的目標(biāo)又要近了很多?，F(xiàn)在假設(shè)用戶輸入"fo"，那么為了實(shí)現(xiàn)自動(dòng)補(bǔ)全，我們需要執(zhí)行如下命令，仔細(xì)查看結(jié)果，foo$和foobar$就是我們需要的結(jié)果，只需要將特殊后綴$去掉即可（其他沒有以$結(jié)尾的詞全部忽略）：

127.0.0.1:6380> zrank autoc fo
(integer) 5
127.0.0.1:6380> zrange autoc 5 -1
1) "fo"
2) "foo"
3) "foo$"
4) "foob"
5) "fooba"
6) "foobar"
7) "foobar$"

更多詞的測(cè)試

網(wǎng)址http://antirez.com/misc/female-names.txt 提供了近5000個(gè)女性名字。按照前面說的規(guī)則，將所有名字的所有可能前綴全部添加到sorted set中。假定用戶輸入member，那么只需要通過如下兩個(gè)命令，得到字典排序后用戶輸入的member后面的50個(gè)詞，然后只取$結(jié)尾的詞：

127.0.0.1:6380> zrank autoc member
(integer) 8
127.0.0.1:6380> zrange autoc 8 50

時(shí)間&空間復(fù)雜度

根據(jù)官方文檔可知，zrank和zrange的事件復(fù)雜度都是O(log(N))。因此，即使數(shù)據(jù)量比較大，這種方案也是可行的。

ZRANK key member
起始版本：2.0.0
時(shí)間復(fù)雜度：O(log(N))

ZRANGE key start stop [WITHSCORES]
起始版本：1.2.0
時(shí)間復(fù)雜度：O(log(N)+M) with N being the number of elements in the sorted set and M the number of elements returned.

那么需要多少內(nèi)存呢？

假設(shè)在最糟糕的情況下，一個(gè)長(zhǎng)度為M的詞需要添加M+1個(gè)詞到sorted set中。那么如果有N個(gè)詞，總計(jì)需要添加N*(Ma+1)個(gè)詞到sorted set中，Ma是這N個(gè)詞的平均長(zhǎng)度。

幸運(yùn)的是，實(shí)際情況遠(yuǎn)比這個(gè)要好得多，以近5000個(gè)女性名字為例，只需要添加大約15000個(gè)詞到sorted set中，因?yàn)檫@些名詞存在大量重復(fù)的前綴。以3個(gè)名字為例：marci，marcia，marcile。如果按照最糟糕的情況，需要添加3*(6+1)=21個(gè)詞到sorted set中，然而實(shí)際情況呢，只需要添加11個(gè)詞到sorted set中即可：

m, ma , mar, marc, marci, marci$, marcia, marcia$, marcil, marcile, marcile$。

而且，隨著樣本越來越大，重復(fù)的前綴會(huì)越大越多。

所以，需要的內(nèi)存也還OK。是不是覺得美滋滋？哈

查詢預(yù)測(cè)

我們這次的自動(dòng)補(bǔ)全是按照字典排序，很多時(shí)候，這是我們需要的。但是也有一些情況，我們希望按照相似度來排序。例如google搜索那樣，搜索結(jié)果按照頻率和熱度等維度進(jìn)行排序。例如，當(dāng)用戶輸入ne，用戶應(yīng)該希望看到Netflix，news，new york times等這些熱門關(guān)鍵詞。

這樣做起來就不那么容易了，如果要能達(dá)到根據(jù)頻率排序，我們需要一個(gè)特別的sorted set能以非阻塞的方式實(shí)時(shí)更新每個(gè)前綴的頻率：

當(dāng)用戶輸入一個(gè)例如"foo"這種查詢，由于它的所有前綴為："f", "fo", "foo"。那么對(duì)每個(gè)前綴都執(zhí)行命令：ZINCRBY <prefix> 1 foo ；如果用戶輸入"foobar"，那么對(duì)每個(gè)前綴都執(zhí)行：ZINCRBY <prefix> 1 foobar；

這種方法還有一個(gè)問題，許多自動(dòng)補(bǔ)全系統(tǒng)只需要展示TOP N個(gè)關(guān)鍵詞，假設(shè)N為10。但是我們這種方法，如果要計(jì)算TOP 10，我們需要取得關(guān)鍵詞遠(yuǎn)不止10個(gè)，理論上我們要這個(gè)前綴作為key的sorted set中所有member都取出來。

幸運(yùn)的是，從統(tǒng)計(jì)學(xué)上來講，每個(gè)對(duì)于sorted set中有300個(gè)member的前綴，就能得到TOP 5關(guān)鍵詞。如果查詢?cè)筋l繁，它的得分越高，它最終被選中的概率也就越高。因此，我們要做的就是對(duì)搜索字符串的每個(gè)前綴：

• 如果前綴作為key的sorted set中member數(shù)量還沒有達(dá)到300，那么只需要簡(jiǎn)單的對(duì)其zincrby即可；
• 如果前綴作為key的sorted set中member數(shù)量已經(jīng)達(dá)到了300，我們將那些得分比較低的member刪除，增加新的member進(jìn)來，從而達(dá)到關(guān)鍵詞頻率不斷迭代的效果。

這個(gè)方法一下子可能理解不過來，沒關(guān)系，舉個(gè)栗子。假設(shè)現(xiàn)在用戶輸入了next，其前綴n為key的sorted set中已經(jīng)有netflix(100), news(120), new york(80), near(23), nequ(1)。由于這個(gè)前綴對(duì)應(yīng)的sorted set中的member數(shù)量還沒有300，所以，執(zhí)行：zincrby n 1 next。其中n是前綴，next是用戶輸入的關(guān)鍵詞。假設(shè)現(xiàn)在用戶輸入了next，其前綴n為key的sorted set中已經(jīng)有netflix(100), news(120), new york(80), near(23), 省略295個(gè)score大于1的關(guān)鍵詞, nequ(1)。由于這個(gè)前綴對(duì)應(yīng)的sorted set中的member數(shù)量達(dá)到了300，所以，先刪除得分比較低的nequ，再執(zhí)行：zincrby n 1 next。

這個(gè)方法跟用戶輸入關(guān)鍵詞分布有很大的關(guān)聯(lián)性，如果用戶輸入的所有關(guān)鍵詞頻率比較接近，那么這個(gè)方法得到的數(shù)據(jù)并不是很可靠。但是我們知道這不是問題，因?yàn)樗阉骶褪墙^大部分人在搜索那一小部分關(guān)鍵詞集合。

清理階段

由于上面提到的搜索長(zhǎng)尾效應(yīng)，我們可以講那些得分為1的member清理掉，因?yàn)橛脩魧?duì)這些關(guān)鍵詞幾乎沒有任何關(guān)注度。清理操作還能夠減少使用內(nèi)存，從而讓redis保存更多更有用的數(shù)據(jù)。

知識(shí)總結(jié)

• sorted set數(shù)據(jù)結(jié)構(gòu)中，如果member的score一樣，那么按照字典排序。
• zrank命令能得到指定member在結(jié)果中的位置，并可以取排在它后面N個(gè)member。
• zincrby能給指定的sorted set中的member加分。

參考：http://oldblog.antirez.com/post/autocomplete-with-redis.html

總結(jié)

以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)億速云的支持。