Primo:
- Assicurati di disabilitare le funzioni che non utilizzerai (
NOOFFSETS,NOHL,NOFREQS,STOPWORDS 0) - Usa
SORTABLEper il tuoNUMERICscore.
Ecco lo schema che ho usato per testare:
FT.CREATE product_tags NOOFFSETS NOHL NOFREQS STOPWORDS 0
SCHEMA product_name TEXT tags TAG score NUMERIC SORTABLE
Vuoi pensare a FT.AGGREGATE come pipeline.
Il primo passo sarà ordinare i prodotti per @punteggio, in modo che più tardi, nella pipeline, quando REDUCE TOLIST 1 @product_name , l'elenco esce ordinato:
SORTBY 2 @score DESC
Penso che tu stia già facendo LOAD /APPLY per gestire i tag, come TAG i campi verrebbero altrimenti raggruppati per l'intero elenco di tag stringa separati da virgole, per prodotto. Vedere Consenti GROUPBY in caso di problemi con i campi tag. Quindi il nostro prossimo passo in cantiere è:
LOAD 1 @tags
APPLY split(@tags) as TAG
Raggruppiamo quindi per @TAG e applichiamo le due riduzioni. La nostra lista di prodotti uscirà ordinata.
GROUPBY 1 @TAG
REDUCE SUM 1 @score AS total_score
REDUCE TOLIST 1 @product_name AS products
Infine, ordiniamo per @total_score :
SORTBY 2 @total_score DESC
Qui una vista finale del comando:
FT.AGGREGATE product_tags *
SORTBY 2 @score DESC
LOAD 1 @tags
APPLY split(@tags) as TAG
GROUPBY 1 @TAG
REDUCE SUM 1 @score AS total_score
REDUCE TOLIST 1 @product_name AS products
SORTBY 2 @total_score DESC
Qui un elenco completo di comandi per illustrare il risultato. Ho usato productXX con punteggio XX per verificare facilmente visivamente lo smistamento dei prodotti.
> FT.CREATE product_tags NOOFFSETS NOHL NOFREQS STOPWORDS 0 SCHEMA product_name TEXT tags TAG score NUMERIC SORTABLE
OK
> FT.ADD product_tags pt:product10 1 FIELDS product_name product10 tags tag2,tag3,tag4 score 10
OK
> FT.ADD product_tags pt:product1 1 FIELDS product_name product1 tags tag1,tag2,tag3 score 1
OK
> FT.ADD product_tags pt:product100 1 FIELDS product_name product100 tags tag2,tag3 score 100
OK
> FT.ADD product_tags pt:product5 1 FIELDS product_name product5 tags tag1,tag4 score 5
OK
> FT.SEARCH product_tags *
1) (integer) 4
2) "pt:product5"
3) 1) "product_name"
2) "product5"
3) "tags"
4) "tag1,tag4"
5) "score"
6) "5"
4) "pt:product100"
5) 1) "product_name"
2) "product100"
3) "tags"
4) "tag2,tag3"
5) "score"
6) "100"
6) "pt:product1"
7) 1) "product_name"
2) "product1"
3) "tags"
4) "tag1,tag2,tag3"
5) "score"
6) "1"
8) "pt:product10"
9) 1) "product_name"
2) "product10"
3) "tags"
4) "tag2,tag3,tag4"
5) "score"
6) "10"
> FT.AGGREGATE product_tags * SORTBY 2 @score DESC LOAD 1 @tags APPLY split(@tags) as TAG GROUPBY 1 @TAG REDUCE SUM 1 @score AS total_score REDUCE TOLIST 1 @product_name AS products SORTBY 2 @total_score DESC
1) (integer) 4
2) 1) "TAG"
2) "tag2"
3) "total_score"
4) "111"
5) "products"
6) 1) "product100"
2) "product10"
3) "product1"
3) 1) "TAG"
2) "tag3"
3) "total_score"
4) "111"
5) "products"
6) 1) "product100"
2) "product10"
3) "product1"
4) 1) "TAG"
2) "tag4"
3) "total_score"
4) "15"
5) "products"
6) 1) "product10"
2) "product5"
5) 1) "TAG"
2) "tag1"
3) "total_score"
4) "6"
5) "products"
6) 1) "product5"
2) "product1"
Stai ricevendo l'elenco completo dei prodotti ordinati, non solo i primi 5. Dal punto di vista della complessità non fa differenza, abbiamo pagato il prezzo. L'impatto è nel buffering, nel payload della rete e nel tuo client.
Puoi limitarti ai primi 5 utilizzando uno script Lua:
eval "local arr = redis.call('FT.AGGREGATE', KEYS[1], '*', 'SORTBY', '2', '@score', 'DESC', 'LOAD', '1', '@tags', 'APPLY', 'split(@tags)', 'as', 'TAG', 'GROUPBY', '1', '@TAG', 'REDUCE', 'SUM', '1', '@score', 'AS', 'total_score', 'REDUCE', 'TOLIST', '1', '@product_name', 'AS', 'products', 'SORTBY', '2', '@total_score', 'DESC') \n for i=2,(arr[1]+1) do \n arr[i][6] = {unpack(arr[i][6], 1, ARGV[1])} \n end \n return arr" 1 product_tags 5
Qui una vista amichevole dello script Lua sopra:
local arr = redis.call('FT.AGGREGATE', KEYS[1], ..., 'DESC')
for i=2,(arr[1]+1) do
arr[i][6] = {unpack(arr[i][6], 1, ARGV[1])}
end
return arr
Stiamo passando una chiave (l'indice) e un argomento (il limite per i prodotti migliori, 5 nel tuo caso):1 product_tags 3 .
Con questo, abbiamo limitato l'impatto al solo buffering, al carico utile di rete salvato e al carico sul tuo client.
