欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

如何使用redis搭建简单的搜索引擎

程序员文章站 2022-07-13 16:47:18
...

前言

 

提到搭建搜索引擎,最容易想到的是使用ESElasticsearch),但有些时候由于资源原因某些项目有可能没有ES资源。也有可能项目太小没必要引入ES,这时大家的普遍做法还是使用关系型数据库查询代替。

 

现在redis已经广泛的运用于大大小小的项目,有的项目使用redis做缓存(全局共享缓存),有的项目直接代替关系型数据库用于持久层。在这些使用redis的项目中,如果没有ES资源,其实可以使用redis来实现简单的搜索引擎功能。

 

使用redis做搜索引擎的可行性

 

倒排索引

搜索引擎能保证高性能全文检索的首要因素,就是建立和使用“倒排索引”。“倒排索引”与其说是索引,不如说是一种数据结构:由文档中所有的“可用词”列表构成,每个“可用词”对应一个“文档”列表,这个“文档”列表中的每个文档里包含这个“可用词”。

 

理解起来有点绕,首先来看下上述描述中的两个术语:

文档:就是一段文本,可以是一句话,也可以是一篇文章。用文档id,唯一标识一个文档。

可用词:简单的理解就是能表示“文档”内容特征的单词,相对的还有非可用词” 也就是在构成文档的辅助词。比如“我是地球人”,这里的都是非可用词地球地球人是“可用词”。

 

换句话说:文档=可用词+非可用词。理解了这两个术语,再来看倒排索引的创建过程:其实就是对每个文档进行分词,取出该文档中的“可用词列表”,并把这个文档id放入该“可用词列表”中每个可用词对应的集合中。讲到这里是不是会突然想到redis5种数据结构中的set(集合)

 

分词

其实就是从文档中提取可用词列表的过程,英文的单词提取很简单以空格间隔就行。但中文不行,一般会采用一些分词工具,比如现在比较流行的Ik。但对于一个简单搜索引擎来说,查询关键字也许就是固定的几个单词,引入分词工具有时不是很必要。此时只需要维护一个 公共可用词列表即可。

 

引入redis

 

搜索引擎的关键其实就是创建倒排索引,前面提到倒排索引一般是由多个可用词对应的文档集合构成,在redis中巧好有set(集合)、zset(排序集合)两种数据类型可以用于存储倒排索引,由于搜索引擎一般都需要根据权重进行复合排序,使用zset存储更加适合。下面以一个真实的案例进行讲解,如何使用redis创建倒排索引

 

在笔者所在的活动页管理系统中,需要根据“用户画像”实现猜你喜欢的“活动页”列表功能。“用户画像”信息(不是本主题讲解的重点)可以通过接口获得,比如张三的用户画像信息为:{品牌:阿迪达斯,分类:服装},用户画像信息很多 这里这是为了示例演示,只取用户喜欢的品牌分类。其中阿迪达斯服装就是搜索关键词。

 

搜索关键词有了,现在来看使用redis实现倒排索引的创建。在创建活动页时,一般会有活动页的基本信息,比如:活动id、活动名称、页面链接、活动描述、 分类品牌更新时间等信息。活动信息使用redishash进行存储(这里假设只有三个活动页):

 


如何使用redis搭建简单的搜索引擎
            
    
    博客分类: redis redis搜索引擎 

如果要实现全文检索,一般会对“活动名称”和“活动描述”进行分词,但我们只是为了简单的复合查询,暂时不需要引入分词工具(如果要做也是可以的)。这里简单的设置三个公共可用词:分类、品牌、更新时间,分别对应三个redis 排序集合zset。每当一个新活动页”被创建时会经历下列过程,以完成倒排索引创建。

 

首先创建“分类”对应的zset集合,集合的成员是页面id(文档id),分值是这个活动页的评分,主要用于排序,这个评分是通过一定算法计算出来。这里有两个分类,分别对应两个zset集合:


如何使用redis搭建简单的搜索引擎
            
    
    博客分类: redis redis搜索引擎 
 

然后创建“品牌”对应的zset集合,成员和分值含义与分类集合中相同。这里有两个品牌,对应创建两个zset集合:

 
如何使用redis搭建简单的搜索引擎
            
    
    博客分类: redis redis搜索引擎 
 

最后创建更新时间对应的zset集合,成员是页面id(文档id),分值是对应页面的更新时间。只需创建一个集合即可:


如何使用redis搭建简单的搜索引擎
            
    
    博客分类: redis redis搜索引擎 

到这里“倒排索引”创建完成。

 

执行查询以及复合排序

 

现在要执行查询,查询条件就是用户画像信息:{品牌:阿迪达斯,分类:服装}(通过接口获得)。这两个条件对应redis zset集合key分别为:category_阿迪达斯、category_服装,如果希望是精准推荐其实就是对这两个集合求交集,即同时满足两个条件;如果希望是宽泛的列表推荐,对这两个集合求并集,即任意满足一个条件即可。这里假设业务方期望的是精准推荐,也就是求交集。

 

关于排序:业务方期望,最终的推荐结果是排序的:分值越高的活动越靠前,并且更新时间越近的越靠前。这是一个多条件的复合排序,使用rediszset实现复合排序很简单:zset的交集(zinterstore)和并集(zunionstore)运算结果中,会自动把两个集合的成员分值相加放到新的zset集合中,直接安装分值排序获取即可。我们认为很复杂的操作,其实在redis中一个命令就完成了,java伪代码实现如下:

 

public class RedisSearch {
    public static Jedis redis =null;
    public static void main(String[] args) throws Exception{
        redis = new Jedis("192.168.26.128", 6379);
 
        //创建倒排索引--分类集合
        redis.zadd("category_服装",8,"1000");
        redis.zadd("category_服装",9,"1001");
        redis.zadd("category_家电",7,"1002");
 
        //创建倒排索引--品牌集合
        redis.zadd("brand_阿迪达斯",8,"1000");
        redis.zadd("brand_阿迪达斯",9,"1001");
        redis.zadd("brand_海尔",7,"1002");
 
        //创建倒排索引--修改时间集合,只推荐近一周新出的活动页,定期删除老数据,这里只需取时间搓的后6位
        redis.zadd("update_time",639488,"1000");
        redis.zadd("update_time",639588,"1001");
        redis.zadd("update_time",639788,"1002");
 
        //执行交集查询,对category_服装、brand_阿迪达斯、update_time求交集即可
        redis.zinterstore("search_result","category_服装","brand_阿迪达斯","update_time");
 
        Set<Tuple> first = redis.zrangeWithScores("search_result",0,-1);
        Iterator iterator =first.iterator();
        while (iterator.hasNext()){
            Tuple temp = (Tuple)iterator.next();
            System.out.println("成员:"+temp.getElement()+"--"+"分值:"+temp.getScore());
        }
    }
}
 

 

执行main方法,打印信息为:

成员:1000--分值:639504.0
成员:1001--分值:639606.0

可以看到查询结果page_id分别为100010001,并且已经进行了复合排序(分值是三个集合分值的之和),根据分值默认排序展示即可。当然这里还有个步骤是根据page_idhash中获取页面信息(比如页面链接),这里可以通过pipeline批量获取,最后把页面信息列表返回给前端浏览器按顺序展示即可。

 

总结

 

创建搜索引擎的关键就是创建倒排索引分词,本次示例展示中没有进行分词,如果需要进行分词借助分词工具实现即可。另外使用rediszset进行复合排序也很简单,关键就是要定义好多个分值的权重比,直接求交集或并集 即可完成排序。

 

另外本次示例中没有使用同义词(求并集即可),其实都可以根据自己的需要添加进去。理论上通过redis可以实现一个完善的搜索引擎,在没有ES的情况下使用redis做一个简单的搜索引擎也是件很容易的事。

 

 

相关标签: redis搜索引擎