价值十个亿的淘宝搜索功能

逃离我推掉我的手 2024-04-17 19:40 56阅读 0赞

看到这标题，是不是有小伙伴忍不住点进来看看?  
标题党～～ 不不不，咱还是来点干货  
![在这里插入图片描述][2019083015304341.png]

--------------------

先来看看淘宝搜索的分类  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70]  
可以支持分类多选，即如下报文格式：

{ 
       "品牌":[
           "啄木鸟",
           "南极人"
       ],
       "适用年龄":[
           "7-14周岁",
           "15-19周岁",
           "20-24周岁"
       ]
    }

再想一下，搜索的结果是什么，需要满足如下**条件**：  
1. 必须同时属于两大分类，即交集 \---- “品牌”和“适用年龄”必须同时拥有的  
2. 每个分类里面的标签又必须同时满足，即并集 \---- “啄木鸟”和“南极人”至少有一个即可

--------------------

**带着这些问题和总结，我们来做一些测试…**  
先模拟建一个物品及分类标签关系表goods\_tag

CREATE TABLE `goods_tag` (
      `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '自增ID',
      `goods` varchar(64) NOT NULL COMMENT '商品',
      `tag` varchar(64) NOT NULL COMMENT '标签',
      `classify` varchar(64) NOT NULL COMMENT '分类',
      PRIMARY KEY (`id`) USING BTREE
    ) ENGINE=InnoDB  DEFAULT CHARSET=utf8 COMMENT='测试表';

模拟测试数据：  
![在这里插入图片描述][2019090216251653.png]

按照这个思路，我们写下我们的最常规脚本

select goods from goods_tag where classify = '品牌' and tag in ('啄木鸟', '南极人')
    union
    select goods from goods_tag where classify = '适用年龄' and tag in ('7-14周岁', '15-19周岁', '20-24周岁');

运行结果也达到预期效果：  
![!\[在这里插入图片描述\](https://img-blog.csdnimg.cn/2019090216283342.png?x-oss-process=image/watermark,type\_ZmFuZ3poZW5naGVpdGk,shadow\_10,text\_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA=][https_img-blog.csdnimg.cn_2019090216283342.png_x-oss-process_image_watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70 1]

--------------------

**感觉貌似ok，但是我们来分析这个脚本**  
问题：如果给的条件较多，那是不是要拼接一个超级长的sql？  
那么，是否有另外的更优解决办法呢？

**分组查询！**  
但是分组查询也很讲究，首先我们可以对全部标签数据进行查询，然后对商品和分类进行分组  
有没有聪明对小伙伴想到为啥要这样做？我们看下sql和结果

select goods, classify, count(1) from goods_tag 
    where tag in ('啄木鸟', '南极人', '7-14周岁', '15-19周岁', '20-24周岁') 
    group by goods, classify;

运行结果  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70 2]  
为什么要商品和分类分组？  
**就是因为我们要取得每个分类里面必须同时有这个商品！！！**  
带着这个目的，我们再做一次处理，得到如下sql

select goods from 
    (select goods, classify, count(1) from goods_tag 
    where tag in ('啄木鸟', '南极人', '7-14周岁', '15-19周岁', '20-24周岁') 
    group by goods, classify) a
    group by a.goods HAVING count(goods) = 2;

运行结果  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70 3]

**总结一下：**

1.  先对商品、分类进行分组
2.  取得必须每个分类里面都有这个商品
3.  大前提把所有标签的数据查出来（不用担心数据过大，因为最终会进行分页操作，想要学习如何进行大批量数据高效分页操作，可见[如何将过亿订单数据实现毫秒级分页查询][Link 1]）
4.  最后的等于2是动态参数， 这个是依赖传入了几个分类，这里就是等于多少

到了此处，基本核心sql就成型了，这个sql本身不复杂，但是想到这个也并不容易，还需要sql的一定基本功  
可能会有小伙伴怀疑sql的准确性，大家可以多造一些测试数据去验证一下，各种场景都模拟一下

好了，价值十个亿的淘宝搜索功能就送给大家了，十亿能拿多少，还得看你们自己?

[2019083015304341.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/a5df3a4ca15947eb8d9a0825f0beb5cb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/c7a7973030764ecda4f6edd7d086746c.png
[2019090216251653.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/dbbcbe32135b419f848b231d9b115ada.png
[https_img-blog.csdnimg.cn_2019090216283342.png_x-oss-process_image_watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/1bf82ad8b80043e0be6e8152ba469e00.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/c52db8a8ae2e4a9287c3ad98a649e84f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/0f0a584e86c24f0e8c81a6ed49b02d5f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mzk2ODIzNA_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/17/b30a84cc42774817a646a0cf35b88b2d.png
[Link 1]: https://blog.csdn.net/weixin_43968234/article/details/88824095