千萬級數據查詢：CK、ES、RediSearch 誰才是王炸？

作者：不才陳某 2022-12-28 08:29:12

數據庫其他數據庫

本文從一個業務訴求觸發，對“千萬量級數據中查詢 10W 量級的數據”介紹了不同的設計方案。

在開發中遇到一個業務訴求，需要在千萬量級的底池數據中篩選出不超過 10W 的數據，并根據配置的權重規則進行排序、打散（如同一個類目下的商品數據不能連續出現 3 次）。下面對該業務訴求的實現，設計思路和方案優化進行介紹。

對“千萬量級數據中查詢 10W 量級的數據”設計了如下方案：

多線程+CK 翻頁方案
ES scroll scan 深翻頁方案
ES+Hbase 組合方案
RediSearch+RedisJSON 組合方案

初版設計方案

整體方案設計為：

先根據配置的篩選規則，從底池表中篩選出目標數據
在根據配置的排序規則，對目標數據進行排序，得到結果數據

技術方案如下：

①每天運行導數任務，把現有的千萬量級的底池數據（Hive 表）導入到 Clickhouse 中，后續使用 CK 表進行數據篩選。

②將業務配置的篩選規則和排序規則，構建為一個篩選 + 排序對象 SelectionQueryCondition。

③從 CK 底池表取目標數據時，開啟多線程，進行分頁篩選，將獲取到的目標數據存放到 result 列表中。

//分頁大小  默認 5000
int pageSize = this.getPageSize();
//頁碼數
int pageCnt = totalNum / this.getPageSize() + 1;

List<Map<String, Object>> result = Lists.newArrayList();
List<Future<List<Map<String, Object>>>> futureList = new ArrayList<>(pageCnt);

//開啟多線程調用
for (int i = 1; i <= pageCnt; i++) {
    //將業務配置的篩選規則和排序規則 構建為 SelectionQueryCondition 對象
    SelectionQueryCondition selectionQueryCondition = buildSelectionQueryCondition(selectionQueryRuleData);
    selectionQueryCondition.setPageSize(pageSize);
    selectionQueryCondition.setPage(i);
    futureList.add(selectionQueryEventPool.submit(new QuerySelectionDataThread(selectionQueryCondition)));
}

for (Future<List<Map<String, Object>>> future : futureList) {
    //RPC 調用
    List<Map<String, Object>> queryRes = future.get(20, TimeUnit.SECONDS);
    if (CollectionUtils.isNotEmpty(queryRes)) {
        // 將目標數據存放在 result 中
        result.addAll(queryRes);
    }
}

④對目標數據 result 進行排序，得到最終的結果數據。

CK 分頁查詢

在初版設計方案章節的第 3 步提到了從 CK 底池表取目標數據時，開啟多線程，進行分頁篩選。此處對 CK 分頁查詢進行介紹。

①封裝了 queryPoolSkuList 方法，負責從 CK 表中獲得目標數據。該方法內部調用了 sqlSession.selectList 方法。

public List<Map<String, Object>> queryPoolSkuList( Map<String, Object> params ) {
    List<Map<String, Object>> resultMaps = new ArrayList<>();

    QueryCondition queryCondition = parseQueryCondition(params);
    List<Map<String, Object>> mapList = lianNuDao.queryPoolSkuList(getCkDt(),queryCondition);
    if (CollectionUtils.isNotEmpty(mapList)) {
        for (Map<String,Object> data : mapList) {
            resultMaps.add(camelKey(data));
        }
    }
    return resultMaps;
}
// lianNuDao.queryPoolSkuList

@Autowired
@Qualifier("ckSqlNewSession")
private SqlSession sqlSession;

public List<Map<String, Object>> queryPoolSkuList( String dt, QueryCondition queryCondition ) {
    queryCondition.setDt(dt);
    queryCondition.checkMultiQueryItems();
    return sqlSession.selectList("LianNu.queryPoolSkuList",queryCondition);
}

②sqlSession.selectList 方法中調用了和 CK 交互的 queryPoolSkuList 查詢方法，部分代碼如下：

<select id="queryPoolSkuList" parameterType="com.jd.bigai.domain.liannu.QueryCondition" resultType="java.util.Map">
    select sku_pool_id,i
    tem_sku_id,
    skuPoolName,
    price,
    ...
    ...
    businessType
    from liannu_sku_pool_indicator_all
    where
    dt=#{dt}
    and
    <foreach collection="queryItems" separator=" and " item="queryItem" open=" " close=" " >
        <choose>
            <when test="queryItem.type == 'equal'">
                ${queryItem.field} = #{queryItem.value}
            </when>
            ...
            ...
        </choose>
    </foreach>
    <if test="orderBy == null">
        group by sku_pool_id,item_sku_id
    </if>
    <if test="orderBy != null">
        group by sku_pool_id,item_sku_id,${orderBy} order by ${orderBy} ${orderAd}
    </if>
    <if test="limitEnd != 0">
        limit #{limitStart},#{limitEnd}
    </if>
</select>

③可以看到，在 CK 分頁查詢時，是通過 limit #{limitStart}，#{limitEnd} 實現的分頁。

limit 分頁方案，在深翻頁時會存在性能問題。初版方案上線后，在 1000W 量級的底池數據中篩選 10W 的數據，最壞耗時會達到 10s~18s 左右。

使用 ES Scroll Scan 優化深翻頁

對于 CK 深翻頁時候的性能問題，進行了優化，使用 Elasticsearch 的 scroll scan 翻頁方案進行優化。

ES 的翻頁方案

ES 翻頁，有下面幾種方案：

from + size 翻頁
scroll 翻頁
scroll scan 翻頁
search after 翻頁

對上述幾種翻頁方案，查詢不同數目的數據，耗時數據如下表：

耗時數據

此處，分別使用 Elasticsearch 的 scroll scan 翻頁方案、初版中的 CK 翻頁方案進行數據查詢，對比其耗時數據。

如上測試數據，可以發現，以十萬，百萬，千萬量級的底池為例：

底池量級越大，查詢相同的數據量，耗時越大
查詢結果 3W 以下時，ES 性能優；查詢結果 5W 以上時，CK 多線程性能優

ES+Hbase 組合查詢方案

在使用 ES Scroll Scan 優化深翻頁中，使用 Elasticsearch 的 scroll scan 翻頁方案對深翻頁問題進行了優化，但在實現時為單線程調用，所以最終測試耗時數據并不是特別理想，和 CK 翻頁方案性能差不多。

在調研階段發現，從底池中取出 10W 的目標數據時，一個商品包含多個字段的信息（CK 表中一行記錄有 150 個字段信息），如價格、會員價、學生價、庫存、好評率等。

對于一行記錄，當減少獲取字段的個數時，查詢耗時會有明顯下降。如對 sku1的商品，從之前獲取價格、會員價、學生價、親友價、庫存等 100 個字段信息，縮減到只獲取價格、庫存這兩個字段信息。

如下圖所示，使用 ES 查詢方案，對查詢同樣條數的場景（從千萬級底池中篩選出 7W+ 條數據），獲取的每條記錄的字段個數從 32 縮減到 17，再縮減到 1個（其實是兩個字段，一個是商品唯一標識 sku_id，另一個是 ES 對每條文檔記錄的 doc_id）時，查詢的耗時會從 9.3s 下降到 4.2s，再下降到 2.4s。

從中可以得出如下結論：

一次 ES 查詢中，若查詢字段和信息較多，fetch 階段的耗時，遠大于 query 階段的耗時。
一次 ES 查詢中，若查詢字段和信息較多，通過減少不必要的查詢字段，可以顯著縮短查詢耗時。

下面對結論中涉及的 query 和 fetch 查詢階段進行補充說明。

ES 查詢的兩個階段

在 ES 中，搜索一般包括兩個階段：

query 階段：根據查詢條件，確定要取哪些文檔（doc），篩選出文檔 ID（doc_id）
fetch 階段：根據 query 階段返回的文檔 ID（doc_id），取出具體的文檔（doc）

組合使用 Hbase

減少不必要的查詢展示字段可以明顯縮短查詢耗時。

沿著這個優化思路，設計了一種新的查詢方案：

ES 僅用于條件篩選，ES 的查詢結果僅包含記錄的唯一標識 sku_id（其實還包含 ES 為每條文檔記錄的 doc_id）
Hbase 是列存儲數據庫，每列數據有一個 rowKey。利用 rowKey 篩選一條記錄時，復雜度為 O(1)。（類似于從 HashMap 中根據 key 取 value）
根據 ES 查詢返回的唯一標識 sku_id，作為 Hbase 查詢中的 rowKey，在 O(1) 復雜度下獲取其他信息字段，如價格，庫存等

使用 ES + Hbase 組合查詢方案，在線上進行了小規模的灰度測試。在 1000W 量級的底池數據中篩選 10W 的數據，對比 CK 翻頁方案，最壞耗時從 10~18s 優化到了 3~6s 左右。

也應該看到，使用 ES + Hbase 組合查詢方案，會增加系統復雜度，同時數據也需要同時存儲到 ES 和 Hbase。

RediSearch+RedisJSON 優化方案

RediSearch 是基于 Redis 構建的分布式全文搜索和聚合引擎，能以極快的速度在 Redis 數據集上執行復雜的搜索查詢。

RedisJSON 是一個 Redis 模塊，在 Redis 中提供 JSON 支持。RedisJSON 可以和 RediSearch 無縫配合，實現索引和查詢 JSON 文檔。

根據一些參考資料，RediSearch + RedisJSON 可以實現極高的性能，可謂碾壓其他 NoSQL 方案。在后續版本迭代中，可考慮使用該方案來進一步優化。

下面給出 RediSearch + RedisJSON 的部分性能數據。

RediSearch 性能數據

在同等服務器配置下索引了 560 萬個文檔 (5.3GB)，RediSearch 構建索引的時間為 221 秒，而 Elasticsearch 為 349 秒。RediSearch 比 ES 快了 58%。

數據建立索引后，使用 32 個客戶端對兩個單詞進行檢索，RediSearch 的吞吐量達到 12.5K ops/sec，ES 的吞吐量為 3.1K ops/sec，RediSearch 比 ES 要快 4 倍。

同時，RediSearch 的延遲為 8ms，而 ES 為 10ms，RediSearch 延遲稍微低些。

RedisJSON 性能數據

根據官網的性能測試報告，RedisJson + RedisSearch 可謂碾壓其他 NoSQL：

對于隔離寫入（isolated writes），RedisJSON 比 MongoDB 快 5.4 倍，比 ES 快 200 倍以上
對于隔離讀取（isolated reads），RedisJSON 比 MongoDB 快 12.7 倍，比 ES 快 500 倍以上

在混合工作負載場景中，實時更新不會影響 RedisJSON 的搜索和讀取性能，而 ES 會受到影響：

RedisJSON 支持的操作數/秒比 MongoDB 高約 50 倍，比 ES 高 7 倍/秒
RedisJSON 的延遲比 MongoDB 低約 90 倍，比 ES 低 23.7 倍

此外，RedisJSON 的讀取、寫入和負載搜索延遲，在更高的百分位數中遠比 ES 和 MongoDB 穩定。

當增加寫入比率時，RedisJSON 還能處理越來越高的整體吞吐量。而當寫入比率增加時，ES 會降低它可以處理的整體吞吐量。

總結

本文從一個業務訴求觸發，對“千萬量級數據中查詢 10W 量級的數據”介紹了不同的設計方案。

對于在 1000W 量級的底池數據中篩選 10W 的數據的場景，不同方案的耗時如下：

多線程+CK 翻頁方案，最壞耗時為 10s~18s
單線程+ES scroll scan 深翻頁方案，相比 CK 方案，并未見到明顯優化
ES+Hbase 組合方案，最壞耗時優化到了 3s~6s
RediSearch+RedisJSON 組合方案，后續會實測該方案的耗時

責任編輯：武曉燕來源：碼猿技術專欄

CK ES RediSearch

成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看