基于Lua实现滑动窗口统计实现

基于Lua脚本实现滑动窗口统计功能

 目前风险防控、营销等领域很多场景涉及较多规则的应用，底层技术实现大多依赖决策引擎。决策引擎提供专家规则的可视化维护功能和决策服务，很多专家规则依赖实时累计特征，例如（客户维度当天交易笔数，一小时内汇总交易金额等），实时累计特征一般通过流式计算、内存计算等方式实现。本文介绍基于redis 通过lua脚本实现实时统计，包含简单统计和基于滑动窗口实现的统计功能的实现。

总体实现思路

1. 明确需求：1）实时累计特征配置后即可生效，交易过程实时累计，决策时支持实时查询。2）实时特征类型较多，本文局限介绍简单次数统计，滑动窗口次数统计和关联次数统计。
2. 合理设计：1）明确各类特征使用的数据结构，数据清理方式。2）设计入参（查询，更新，简单统计还是滑动窗口统计，过期时间，开始时间片等）
3. 工程研发：1）环境搭建 ：redis ,GUI for redis,IntelliJ IDEA 2）搭建java工程 和测试类 3）编写lua脚本；
4. 总结： 实时统计在流式计算外，可以考虑采用缓存计算实现，目前各类缓存软件支持lua脚本的高效执行。

明确需求

简单统计

举例：客户维度1小时转账的次数，

滑动窗口统计

举例：客户维度最近30分钟转账的次数，

关联统计

举例：设备维度最近1小时登录的账户数量，1个账户登录多次，重复计算账户数量。

合理设计

1、总体流程

2、脚本设计逻辑

简单次数统计

数据结构：key-value
实现逻辑：1）查询：当key存在时，返回key对应的value值，key不存在时返回0.
2）更新：当key存在时，调用inrc命令 值自增1.当key不存在时设置值为1.

滑动窗口次数统计

数据结构：每个时间片值存放在hash，key为时间片名称，value为次数。 时间片冗余存储在sorted set。
实现逻辑：1）查询：开始时间片为传入参数，结束时间默认为当前时间，根据 开始时间片和当前时间片过滤sorted set，获取列表后，遍历hash获取各时间片数量，做累加获取结果。
2）更新：当Hash key和当前时间片key存在时，获取当前时间片对应次数，增加一后再写入hash，同时更新sorted set key。当Hash key和当前时间片key存在时，hash写入key为当前时间片，value值1，同时更新sorted set key。
3）数据清理：时间片保留最大数量有特征配置时确定，当时间片超过最大值时，将最旧的数据删除。

关联次数统计

数据结构：sorted set。 key为关联字段名称，score为当前时间。
实现逻辑：1）查询：开始时间片为传入参数，结束时间默认为当前时间，根据 开始时间片和当前时间片过滤sorted set，返回过滤结果的统计数量。
2）更新：当Item存在时，更新Item的score为当前时间。Item不存在时，增加Item，score为当前时间。
举例： 统计设备维度1小时登录的账户数量。 key为设备ID,sorted set key：账户ID,score为当前时间。
3）数据清理：特征配置时确定Item最大数量，当Item数量超过最大值时，删除score最小的项【最旧的项】

工程研发

环境搭建 ：redis ,GUI for redis,IntelliJ IDEA

pom文件引入redis依赖

   <dependency>
     <groupId>redis.clients</groupId>
     <artifactId>jedis</artifactId>
     <version>2.8.0</version>
   </dependency>

REDIS 命令参考：https://www.redis.net.cn/order/3528.html
LUA语法参考：https://www.runoob.com/lua/lua-tables.html
GUI for redis ：搜索RESP.app 下载。

次数统计lua脚本，包含简单统计和滑动窗口统计

---- 查询  非滑动窗口统计次数
local function querySimpleCount(cacheKey)
    if (redis.call('exists', cacheKey) == 1) then
        return redis.call('get', cacheKey);
    else
        return 0;
    end;
end;
---- 更新  非滑动窗口统计次数
local function updateSimpleCount(cacheKey, expireTTL)
    if (redis.call('exists', cacheKey) == 1) then
        redis.call('incr', cacheKey);
    else
        redis.call('set',cacheKey,1);
        redis.call('EXPIRE',cacheKey,tonumber(expireTTL));
    end
    return querySimpleCount(cacheKey);
end;

---- 查询  滑动窗口统计次数
local function querySlideWindowCount(cacheKey,beginTimeSlice)
    local cacheSliceZSettKey=cacheKey..'ZSet'
    local filterItmeTable=redis.call('ZRANGEBYLEX',cacheSliceZSettKey,'['..beginTimeSlice,'[ZZZ');
    local totalResult=0;
    for k,v in ipairs(filterItmeTable) do
        totalResult=totalResult+tonumber(redis.call('HGET',cacheKey,v))
    end;
    return totalResult;
end;


---- 更新  滑动窗口统计次数
local function updateSlideWindowCount(cacheKey, beginTimeSlice,timeSliceName,timeSliceCnt,expireTTL)
    local cacheSliceZSettKey=cacheKey..'ZSet'
    if (redis.call('HEXISTS', cacheKey,timeSliceName) == 1) then
        redis.call('HINCRBY', cacheKey,timeSliceName,1);
        redis.call('ZADD', cacheSliceZSettKey,100,timeSliceName);
    else
        redis.call('hset',cacheKey,timeSliceName,1);
        redis.call('EXPIRE',cacheKey,tonumber(expireTTL));
        redis.call('ZADD', cacheSliceZSettKey,100,timeSliceName);
        redis.call('EXPIRE',cacheSliceZSettKey,tonumber(expireTTL));
    end
    if redis.call('ZCARD',cacheSliceZSettKey)>tonumber(timeSliceCnt) then
       local tempTimeSliceNameTable=redis.call('ZRANGE',cacheSliceZSettKey,0,0);
       if #tempTimeSliceNameTable>0 then
           redis.call('HDEL',cacheKey,tempTimeSliceNameTable[1]);
           redis.call('ZREM',cacheSliceZSettKey,tempTimeSliceNameTable[1]);
       end
    end
    return querySlideWindowCount(cacheKey,beginTimeSlice);
end;

----KEY1 键值，arg1[1:查询，2:更新 ]; arg2[1:简单统计次数，2:滑动窗口统计];arg3[beginTimeSlice 开始时间片]
----arg4[timeSliceName 当前时间片]，arg5[timeSliceCnt 时间片保留数量],arg6[expireTTL key保留周期]
   if (ARGV[2] == '1' ) then
       if (ARGV[1] == '1' ) then
           return querySimpleCount(KEYS[1]);
       elseif (ARGV[1] == '2' ) then
           return