利用Redis如何實現自動補全功能

忘了redis從哪個版本開啟，能夠根據輸入的部分命令前綴給出提示，即自動補全。接下來筆者介紹基于redis實現這個很酷的功能。

about sorted set

假設結果中有mara，marabel，marcela。現在我們輸入mar，就能得到這三個名字，并且輸出結果按照字典排序。在實現這個需求之間，我們先簡單介紹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一個非常重要的特性，也是我們自動補全需求的一個要點。但是這還不夠，離我們的最終需求還有一段路要走。幸運的是sorted set還有另一個很酷的命令：ZRANK。這個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現自動補全的第一個版本非常接近了，我們能得到sorted set中按照字典排序后任意一個member及其后面N個member。

簡單實現

為了實現最終的自動補全，我們需要付出一些代價：空間。

意思是，對于某個準備添加到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）。這里為了解決某個詞是真正的member還是某個member的前綴（例如bar既是一個完整的詞，也是某個member例如bark的可能前綴），我們加了一個小把戲，即在真正member的后面增加一個特殊字符，例如"$"，那么afei這個member就會添加下列這些詞：

a, af, afe, afei, afei$

現在假設我們需要添加三個詞：foo, bar, foobar 來進行一些測試， 那么sorted set中就會有如下這些詞：

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$"

離我們最終的目標又要近了很多。現在假設用戶輸入"fo"，那么為了實現自動補全，我們需要執行如下命令，仔細查看結果，foo$和foobar$就是我們需要的結果，只需要將特殊后綴$去掉即可（其他沒有以$結尾的詞全部忽略）：

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$"
4) "foob"
5) "fooba"
6) "foobar"
7) "foobar$"

更多詞的測試

網址http://antirez.com/misc/female-names.txt 提供了近5000個女性名字。按照前面說的規則，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命令，得到字典排序后用戶輸入的member后面的50個詞，然后只取$結尾的詞：

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

時間&空間復雜度

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

ZRANK key member
起始版本：2.0.0
時間復雜度：O(log(N))

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

那么需要多少內存呢？

假設在最糟糕的情況下，一個長度為M的詞需要添加M+1個詞到sorted set中。那么如果有N個詞，總計需要添加N*(Ma+1)個詞到sorted set中，Ma是這N個詞的平均長度。

幸運的是，實際情況遠比這個要好得多，以近5000個女性名字為例，只需要添加大約15000個詞到sorted set中，因為這些名詞存在大量重復的前綴。以3個名字為例：marci，marcia，marcile。如果按照最糟糕的情況，需要添加3*(6+1)=21個詞到sorted set中，然而實際情況呢，只需要添加11個詞到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，重復的前綴會越大越多。

所以，需要的內存也還OK。是不是覺得美滋滋？哈

查詢預測

我們這次的自動補全是按照字典排序，很多時候，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，搜索結果按照頻率和熱度等維度進行排序。例如，當用戶輸入ne，用戶應該希望看到Netflix，news，new york times等這些熱門關鍵詞。

這樣做起來就不那么容易了，如果要能達到根據頻率排序，我們需要一個特別的sorted set能以非阻塞的方式實時更新每個前綴的頻率：

當用戶輸入一個例如"foo"這種查詢，由于它的所有前綴為："f", "fo", "foo"。那么對每個前綴都執行命令：ZINCRBY <prefix> 1 foo ；如果用戶輸入"foobar"，那么對每個前綴都執行：ZINCRBY <prefix> 1 foobar；

這種方法還有一個問題，許多自動補全系統只需要展示TOP N個關鍵詞，假設N為10。但是我們這種方法，如果要計算TOP 10，我們需要取得關鍵詞遠不止10個，理論上我們要這個前綴作為key的sorted set中所有member都取出來。

幸運的是，從統計學上來講，每個對于sorted set中有300個member的前綴，就能得到TOP 5關鍵詞。如果查詢越頻繁，它的得分越高，它最終被選中的概率也就越高。因此，我們要做的就是對搜索字符串的每個前綴：

• 如果前綴作為key的sorted set中member數量還沒有達到300，那么只需要簡單的對其zincrby即可；
• 如果前綴作為key的sorted set中member數量已經達到了300，我們將那些得分比較低的member刪除，增加新的member進來，從而達到關鍵詞頻率不斷迭代的效果。

這個方法一下子可能理解不過來，沒關系，舉個栗子。假設現在用戶輸入了next，其前綴n為key的sorted set中已經有netflix(100), news(120), new york(80), near(23), nequ(1)。由于這個前綴對應的sorted set中的member數量還沒有300，所以，執行：zincrby n 1 next。其中n是前綴，next是用戶輸入的關鍵詞。假設現在用戶輸入了next，其前綴n為key的sorted set中已經有netflix(100), news(120), new york(80), near(23), 省略295個score大于1的關鍵詞, nequ(1)。由于這個前綴對應的sorted set中的member數量達到了300，所以，先刪除得分比較低的nequ，再執行：zincrby n 1 next。

這個方法跟用戶輸入關鍵詞分布有很大的關聯性，如果用戶輸入的所有關鍵詞頻率比較接近，那么這個方法得到的數據并不是很可靠。但是我們知道這不是問題，因為搜索就是絕大部分人在搜索那一小部分關鍵詞集合。

清理階段

由于上面提到的搜索長尾效應，我們可以講那些得分為1的member清理掉，因為用戶對這些關鍵詞幾乎沒有任何關注度。清理操作還能夠減少使用內存，從而讓redis保存更多更有用的數據。

知識總結

• sorted set數據結構中，如果member的score一樣，那么按照字典排序。
• zrank命令能得到指定member在結果中的位置，并可以取排在它后面N個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

以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對億速云的支持。