如何用redis实现“搜索历史”和“自动补全”搜索框

搜索框的附加功能

在日常的web开发中，经常有搜索框功--在一批数据中检索自己需要的数据。现在的百度以及各大电商的搜索框都做得很人性化，主要体现在两个方面：

一、搜索框的“搜索历史”：为了方便用户下次搜索，搜索框通常会提供“搜索历史”功能 即：记录下用户的搜索历史，用户下次点击搜索框就会立即展示你最近的搜索记录列表。如果用户经常搜索的关键字，下次不用手动输入，直接选择即可。

用户的搜索历史相当关键，这是电商网站做“智能推荐”的基石。比如上述搜索列表，反映出三类信息：羽毛球相关、java、汽车周边。根据一系列智能算法 很快就能推算出该用户喜欢的商品。

这个功能即可以方便用户减少输入，又可以衍生出一些新服务，可谓一箭双雕。

二、搜索框的“自动匹配”：当用户输入关键词的头一个或几个字 就会出现一个自动匹配列表，用户直接选择自己想要搜索的关键字即可，不用输入完整的关键词。

上面这个截图来自百度搜索框的“自动匹配”，同时整合了“搜索历史”的功能，其中蓝色的关键词是用户的“搜索历史”。

 “搜索历史”和“自动匹配”功能的本质是向前面页面返回一个“关键字列表”， 要实现一个体验好的搜索框，关键就是快速响应页面的获取“关键字列表”请求；否则如果太慢 用户都输入完成了，“关键字列表”还没有刷新出来，这个功能就没有意义了。

百度搜索框 把这两个功能都做到了极致，而且的用户量很庞大，关键词的存储量就更庞大了。百度的具体实现笔者不是很清楚，猜测是通过ES+各种Hash分组实现的。庆幸的是我们不必去实现一个百度，在一个普通的系统里没有太大的用户量和关键词（相对于百度），要实现这两个功能 使用redis就可以完全满足需求了。

采用redis的list实现“搜索历史 ”

采用redis的list存储每个用户的“搜索历史”列表，存储规则：最近搜索过的关键词的放在最前面（这里有两层含义：最近搜索新关键词、最近搜索老关键词），并且每个用户只保留最近访问过的5个关键词（5个太少，这里只是举例，可以根据自己业务调整）。List对应的key规则为：recent_search_{userId},在redis中存储示意图如下：

本示例采用java的Jedis进行代码实现，要实现这个功能只需要两个方法即可：一个是更新“搜索历史”方法（对应下列updateList方法）；一个是匹配“搜索历史”方法（对应下列getAutoMatchs），具体实现如下：

/**
 * Created by gantianxing on 2017/11/16.
 */
@Component
public class RecentSearchService {
    @Resource
    private Jedis redis;
 
    /**
     * 更新搜索历史列表
     * @param userId 用户id
     * @param searchkey 本次搜索关键词
     */
    public void updateList(Integer userId,String searchkey){
        String key = "recent_search_"+userId;
        //为了保证事务和性能，采用pipeline
        Pipeline pipeline = redis.pipelined();
        pipeline.lrem(key,1,searchkey);//如果该关键词已存在先删除
        pipeline.lpush(key, searchkey);//把该关键词放在最顶部（左边）
        pipeline.ltrim(key, 0, 4);//裁剪list 保留最近的5个关键词
        pipeline.sync();//批量提交命令
    }
 
    /**
     * 从搜索历史列表中获取匹配的列表
     * @param userId
     * @param pre
     * @return
     */
    public List<String> getAutoMatchs(Integer userId,String pre){
        String key = "recent_search_"+userId;
        List<String> all = redis.lrange(key,0,-1);//获取该用户对应的“搜索历史列表”
        if(all == null){
            return null;
        }
        if(pre!=null && pre.length()>0){
            List<String> matchList = new ArrayList<>();
            for(String one:all){
                //前缀匹配
                if(one.startsWith(pre)){
                    matchList.add(one);
                }
            }
            return matchList;//返回匹配到的“搜索历史列表”
        }else {
            return all;//用户还没有输入，就返回所有的“搜索历史列表”
        }
    }
}
 

可以看到整个存储和查询都是在redis中进行，性能和效率是mysql等传统数据库无法比拟的。

采用redis的list实现“自动匹配 ”

在“搜索历史”的实现过程中已经实现了“自动匹配”， 即getAutoMatchs方法，这里只需把每个用户的“搜索历史”列表替换成“关键词词库”。“关键词词库”怎么来，通过一些分词工具分词，然后再归类后通过hash规则放到不同的服务器，百度词库的实现应该采用类似的技术手段。

如果只是一个普通的一个小系统，可以通过手动导入一些与自己系统相关的词库到redis即可。假设现在我们已经把词库导入到redis的list中了（对应key为all_key_words）,稍微更下getAutoMatchs方法 就可以实现默认的“自动匹配”:

/**
     * 从词库列表中获取匹配的列表
     * @param pre
     * @return
     */
    public List<String> getDefaultAutoMatchs(String pre){
        String key = "all_key_words";
        List<String> all = redis.lrange(key,0,-1);//获取“关键词词库列表”
        if(all == null){
            return null;
        }
        if(pre!=null && pre.length()>0){
            List<String> matchList = new ArrayList<>();
            for(String one:all){
                //前缀匹配
                if(one.startsWith(pre)){
                    matchList.add(one);
                }
            }
            return matchList;//返回匹配到的“关键词词库列表”
        }else {
            return all;//用户还没有输入，就返回所有的“关键词词库列表”
        }
    }
 

实现起来很简单，但是如果采用list存储“关键词词库列表”，需要注意的是all_key_words对应的“关键词词库列表”中的关键词数量不能太多（如果采用这种方式，建议词库中的数量不要超过100）。如果太多会导致匹配过程相当缓慢，严重影响该功能的性能。

如何优化呢？有两种办法：一、对词库进行分组，把一个list变为多个list，在匹配之前首先确定“关键词”所在的分组；二、采用redis的zset数据结构存储“关键词词库”，zset中每项成员名的存储内容为“关键词”，成员值 score都设置为0，此时zset的排序会按照成员名进行。其实还可以把两种方案合并使用，效果会更好一些 即：首先对词库进行分组，每个分组采用redis的zset数据结构存储。

为什么要使用zset数据结构，因为zset采用了“跳表”结构设计，可以快速的进行范围查询检索。但实用zset存储在进行检索时想对比较复杂：

1、先生成“前缀关键字”对应的起始值。

2、通过zadd命令把起始值插入到zset中。

3、通过zrank命令计算这两个位置的index：start_index、end_index。

4、通过zrem删除步骤2中插入的起始值（它们的作用仅仅为了找到start_index、end_index）。

5、最后通过zrange命令取出这个start_index、 end_index之间的所有 关键字即可。

这里就不再展示但实现，可以根据这个逻辑自行编码。

小结

现在的各大电商网站都有搜索框，而且“搜索历史”和“自动匹配功能”几乎都是标配。另外由于redis中会对搜索记录进行裁剪，一般会在用户搜索时还会进行日志上报，把用户的搜索记录流水全部记录到日志服务器，再通过日志整理汇集到hadoop等大数据平台。最后通过各种算法计算，为用户进行精准推荐，这些数据都是“智能推荐”的基础。

为自己的系统做一个好的搜索框，在增加用户体验的同时，还可以做一些附件的推荐类产品。建议有类似场景的系统，都可以尝试下。