高效筛选20w热点数据，从MySQL 2000w中精准提取

文章目录

MySQL里有2000w数据，Redis中只存20w的数据，如何保证Redis中的数据都是热点数据？
- 一、什么是热点数据？
- 二、方法一：日志分析法
- - 1. 基本思路
  - 2. 实际操作
  - 3. 缺点
- 三、方法二：实时统计法
- - 1. 基本思路
  - 2. 实际操作
  - 3. 缺点
- 四、方法三：混合策略
- - 1. 基本思路
  - 2. 实际操作
  - 3. 优点
- 五、如何保证 Redis 中的数据都是最新的？
- - 1. 定时刷新
  - 2. 实时更新
- 六、总结
- 希望这篇博客对你有所帮助！如果你有任何问题或建议，欢迎在评论区留言。
- - 📚 领取 | 1000+ 套高质量面试题大合集（无套路，闫工带你飞一把）！

MySQL里有2000w数据，Redis中只存20w的数据，如何保证Redis中的数据都是热点数据？

大家好，我是都叫我闫工！今天我们要聊一个非常有意思的问题：MySQL里有2000万数据，而Redis中只存了20万的数据，如何保证这20万都是热点数据？

这个问题看起来有点复杂，但其实它背后隐藏着一个核心问题：如何从海量数据中筛选出最“热”的那部分数据，并将其高效地加载到Redis中？

一、什么是热点数据？

在开始之前，我们先明确一下什么是热点数据。热点数据是指那些被频繁访问、查询次数多的数据。比如，在电商系统中，某些商品可能因为促销活动而被疯狂点击，这些商品的数据就是热点数据。

那么，问题来了：如何从2000万数据中找到这20万的热点数据呢？

二、方法一：日志分析法

1. 基本思路

日志分析法的核心思想是通过分析用户的行为日志（比如访问日志、点击日志等），找出那些被频繁访问的数据。

具体步骤如下：

收集日志：将用户的访问行为记录下来，存储到一个日志文件中。
统计频率：对日志进行分析，计算每个数据的访问次数。
筛选热点数据：根据访问次数排序，选取前20万的数据作为热点数据。

2. 实际操作

假设我们的 MySQL 数据表结构如下：

CREATETABLE`user`(`id`INT(11)NOTNULLAUTO_INCREMENT,`name`VARCHAR(255)DEFAULTNULL,`age`INT(11)DEFAULTNULL,PRIMARYKEY(`id`))ENGINE=InnoDBDEFAULTCHARSET=utf8mb4;

我们的日志表结构如下：

CREATETABLE`access_log`(`id`INT(11)NOTNULLAUTO_INCREMENT,`user_id`INT(11)DEFAULTNULL,`access_time`DATETIMEDEFAULTCURRENT_TIMESTAMP,PRIMARYKEY(`id`))ENGINE=InnoDBDEFAULTCHARSET=utf8mb4;

我们需要统计每个用户的访问次数：

SELECTuser_id,COUNT(*)ASaccess_countFROMaccess_logGROUPBYuser_idORDERBYaccess_countDESCLIMIT200000;

然后，将这些用户的数据加载到 Redis 中。

3. 缺点

延迟性：日志分析法需要定期运行，无法实时反映最新的热点数据。
资源消耗：如果日志量非常大（比如每天几亿条），统计过程可能会非常耗时。

三、方法二：实时统计法

1. 基本思路

实时统计法的核心思想是在每次用户请求时，实时记录该数据的访问次数，并动态地维护一个“热点数据”列表。

具体步骤如下：

监听页面请求：在应用层（比如Spring Boot）监听每个用户请求。
统计频率：使用 Redis 的INCR命令来增加相应数据的计数器。
维护热点数据：定期遍历所有数据，筛选出访问次数最高的前20万条数据。

2. 实际操作

假设我们的应用是一个电商系统，每个商品都有一个 ID。我们可以在 Redis 中为每个商品创建一个计数器：

# 初始化商品计数器 SET product:123456:count 0 # 用户访问商品时增加计数器 INCR product:123456:count

然后，定期遍历所有商品的计数器，找出前20万条数据：

publicvoidrefreshHotData(){// 获取所有商品IDList<String>productIdList=getAllProductIds();// 统计访问次数Map<String,Long>countMap=newHashMap<>();for(StringproductId:productIdList){longcount=redisTemplate.opsForValue().get(productId+":count");countMap.put(productId,count);}// 根据访问次数排序，选取前20万条数据List<Map.Entry<String,Long>>sortedEntries=newArrayList<>(countMap.entrySet());sortedEntries.sort((a,b)->b.getValue().compareTo(a.getValue()));// 将前20万条数据加载到Redis中for(inti=0;i<200000&&i<sortedEntries.size();i++){StringproductId=sortedEntries.get(i).getKey();// 加载到Redis的hash结构中redisTemplate.opsForHash().put("hot_products",productId,getProductDetails(productId));}}

3. 缺点

性能问题：如果商品数量非常多（比如几千万），遍历所有商品的计数器会非常耗时。
内存占用：Redis 中存储所有商品的计数器可能会占用大量内存。

四、方法三：混合策略

1. 基本思路

结合日志分析法和实时统计法，先通过日志分析法预加载一批热点数据到 Redis 中，然后在运行时通过实时统计法动态调整热点数据列表。

2. 实际操作

初始化阶段：通过日志分析法，将前20万的热点数据加载到 Redis 中。
运行阶段：使用实时统计法，动态维护热点数据列表，及时淘汰冷门数据，加入新的热点数据。

3. 优点

高效性：结合了两种方法的优点，既能快速预加载热点数据，又能动态调整。
灵活性：可以根据业务需求调整预加载和动态调整的频率。

五、如何保证 Redis 中的数据都是最新的？

在实际应用中，我们需要确保 Redis 中的热点数据是最新的。为此，我们可以采用以下策略：

1. 定时刷新

定期（比如每小时一次）重新计算热点数据，并更新 Redis 中的内容。

publicvoidscheduleRefresh(){// 每小时执行一次ScheduledExecutorServicescheduler=Executors.newSingleThreadScheduledExecutor();scheduler.scheduleAtFixedRate(this::refreshHotData,0,1,TimeUnit.HOURS);}

2. 实时更新

在每次用户请求时，动态调整热点数据列表。例如，在某个商品的访问次数超过一定阈值时，将其加入到 Redis 的热点数据中。

publicvoidhandleRequest(StringproductId){// 增加计数器redisTemplate.opsForValue().increment(productId+":count",1);// 如果访问次数达到阈值，加入热点数据longcount=redisTemplate.opsForValue().get(productId+":count");if(count>THRESHOLD){redisTemplate.opsForHash().put("hot_products",productId,getProductDetails(productId));}}