千万级数据查询中CK、ES、RediSearch方案的优化

我不是女神ヾ 2023-09-28 08:52 98阅读 0赞

## 前言 ##

在开发中遇到一个业务诉求，需要在千万量级的底池数据中筛选出不超过 10W 的数据，并根据配置的权重规则进行排序、打散（如同一个类目下的商品数据不能连续出现 3 次）。

下面对该业务诉求的实现，设计思路和方案优化进行介绍，对「千万量级数据中查询 10W 量级的数据」设计了如下方案

1.  多线程 + CK 翻页方案
2.  ES scroll scan 深翻页方案
3.  ES + Hbase 组合方案
4.  RediSearch + RedisJSON 组合方案

## 初版设计方案 ##

整体方案设计为

1.  先根据配置的「筛选规则」，从底池表中筛选出「目标数据」
2.  在根据配置的「排序规则」，对「目标数据」进行排序，得到「结果数据」

技术方案如下

1.  每天运行导数任务，把现有的千万量级的底池数据（Hive 表）导入到 Clickhouse 中，后续使用 CK 表进行数据筛选。
2.  将业务配置的筛选规则和排序规则，构建为一个「筛选 + 排序」对象 SelectionQueryCondition。
3.  从 CK 底池表取「目标数据」时，开启多线程，进行分页筛选，将获取到的「目标数据」存放到 result 列表中。

//分页大小  默认 5000
    int pageSize = this.getPageSize();
    //页码数
    int pageCnt = totalNum / this.getPageSize() + 1;
    
    List<Map<String, Object>> result = Lists.newArrayList();
    List<Future<List<Map<String, Object>>>> futureList = new ArrayList<>(pageCnt);
    
    //开启多线程调用
    for (int i = 1; i <= pageCnt; i++) {
        //将业务配置的筛选规则和排序规则 构建为 SelectionQueryCondition 对象
        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 调用
        List<Map<String, Object>> queryRes = future.get(20, TimeUnit.SECONDS);
        if (CollectionUtils.isNotEmpty(queryRes)) {
            // 将目标数据存放在 result 中
            result.addAll(queryRes);
        }
    }

1.  对目标数据 result 进行排序，得到最终的「结果数据」。

## CK分页查询 ##

在「初版设计方案」章节的第 3 步提到了「从 CK 底池表取目标数据时，开启多线程，进行分页筛选」。此处对 CK 分页查询进行介绍。

1.  封装了 queryPoolSkuList 方法，负责从 CK 表中获得目标数据。该方法内部调用了 sqlSession.selectList 方法。

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