使用Redis缓存热词信息【一眼就能看懂-简单】

本文链接：https://blog.youkuaiyun.com/m0_60594323/article/details/145960931

在电商场景中，通过 Redis 缓存热门检索商品关键词可以显著提升搜索性能和用户体验。以下是基于 Redis 的完整实现方案：

简单的直接上代码-一眼就能看懂

    private RedisTemplate<String, Object> redisTemplate;

    public Boolean saveHotKeyword(String keyword) {
        String key = "hot_keywords";

        try {

            // 检查关键词在有序集合中的分数。
            if (redisTemplate.opsForZSet().score(key, keyword) != null) {

                // 如果关键词存在，则调用 incrementScore 方法将分数加1
                redisTemplate.opsForZSet().incrementScore(key, keyword, 1);
            } else {

            // 如果关键词不存在于集合中，则调用 add 方法将其添加到集合中，并设置初始分数为 1.0
                redisTemplate.opsForZSet().add(key, keyword, 1.0);
            }

            return true;
        } catch (Exception e) {
            e.printStackTrace();
            return false;
        }
    }

稍微复杂点-本质一样-考虑的较多较详细点

1. 数据结构选择

1.1 关键词热度存储

使用 Sorted Set（有序集合） 存储关键词及其搜索频次：

Key：hot_keywords:{category_id}（可按商品分类区分）
Member：关键词（如 手机、连衣裙）
Score：搜索次数（实时更新）

操作示例：

# 每次搜索时增加关键词的分数（搜索次数）
ZINCRBY hot_keywords:electronics 1 "智能手机"

1.2 关键词元数据缓存

使用 Hash 存储关键词的附加信息（如关联商品数、更新时间）：

Key：keyword_metadata:{keyword}
Field：product_count（关联商品数）、update_time（最后更新时间）

HSET keyword_metadata:智能手机 product_count 150 update_time 1717123200

2. 核心实现步骤

2.1 实时热度统计

在用户搜索时，异步更新关键词的热度：

// 示例：Java + Spring Boot
public void logSearchKeyword(String keyword, String categoryId) {
    // 1. 更新 Sorted Set 中的搜索频次
    redisTemplate.opsForZSet().incrementScore(
        "hot_keywords:" + categoryId, 
        keyword, 
        1
    );
    
    // 2. 异步更新关键词元数据（如关联商品数）
    CompletableFuture.runAsync(() -> {
        int productCount = productService.countProductsByKeyword(keyword);
        redisTemplate.opsForHash().put(
            "keyword_metadata:" + keyword,
            "product_count",
            String.valueOf(productCount)
        );
    });
}

2.2 定时生成热门关键词列表

每日凌晨生成当前热门关键词（避免频繁计算）：

// 定时任务（Cron：每天0点执行）
@Scheduled(cron = "0 0 0 * * ?")
public void generateDailyHotKeywords() {
    // 1. 按分类获取前100热门关键词（按Score倒序）
    Set<String> categories = getProductCategories();
    for (String categoryId : categories) {
        String hotKey = "hot_keywords:" + categoryId;
        Set<ZSetOperations.TypedTuple<String>> topKeywords = 
            redisTemplate.opsForZSet().reverseRangeWithScores(hotKey, 0, 99);
        
        // 2. 将结果缓存到新Key（避免更新影响当前查询）
        String dailyHotKey = "daily_hot_keywords:" + categoryId + ":" + LocalDate.now();
        redisTemplate.opsForZSet().add(dailyHotKey, topKeywords);
        
        // 3. 设置过期时间（保留7天历史数据）
        redisTemplate.expire(dailyHotKey, 7, TimeUnit.DAYS);
        
        // 4. 重置当前热度计数器（可选）
        redisTemplate.delete(hotKey);
    }
}

2.3 缓存淘汰策略

冷门关键词自动淘汰：
对 Sorted Set 中的关键词按以下规则清理：

每周清理一次过去7天内无搜索的关键词：

# 使用ZREMRANGEBYSCORE删除分数（搜索次数）为0的成员
ZREMRANGEBYSCORE hot_keywords:electronics 0 0

限制每个分类下关键词数量（如最多保留500个）：

# 保留分数最高的500个关键词，删除其他 
ZREMRANGEBYRANK hot_keywords:electronics 0 -501

3. 查询热门关键词

3.1 获取实时热门关键词

public List<String> getRealTimeHotKeywords(String categoryId, int topN) {
    String key = "hot_keywords:" + categoryId;
    return redisTemplate.opsForZSet()
        .reverseRange(key, 0, topN - 1);
}

3.2 获取每日缓存的热门关键词

public List<String> getDailyHotKeywords(String categoryId, LocalDate date) {
    String key = "daily_hot_keywords:" + categoryId + ":" + date;
    return redisTemplate.opsForZSet()
        .reverseRange(key, 0, 99);
}

4. 进阶优化

4.1 热度衰减机制

为避免历史热搜长期占据榜单，可引入 时间衰减因子：

每天对热度值进行衰减（如乘以系数0.9）：

// Lua脚本实现原子衰减操作
String script = 
    "local keywords = redis.call('ZRANGE', KEYS[1], 0, -1); " +
    "for _, kw in ipairs(keywords) do " +
    "   local score = redis.call('ZSCORE', KEYS[1], kw); " +
    "   redis.call('ZADD', KEYS[1], tonumber(score) * 0.9, kw); " +
    "end";
redisTemplate.execute(new DefaultRedisScript<>(script), List.of("hot_keywords:electronics"));

4.2 防刷机制

防止恶意刷搜索量：

对同一用户（或IP）的重复搜索进行去重：

// 使用HyperLogLog统计独立用户数
String userKey = "kw_users:" + keyword;
redisTemplate.opsForHyperLogLog().add(userKey, userId);
Long uniqueUsers = redisTemplate.opsForHyperLogLog().size(userKey);

// 只有独立用户数达到阈值时才增加热度
if (uniqueUsers >= MIN_UNIQUE_USERS) {
    redisTemplate.opsForZSet().incrementScore(hotKey, keyword, 1);
}