可借鉴性极高的通用方案:垂直搜索引擎性能优化

可借鉴性极高的通用方案:垂直搜索引擎性能优化

作者介绍

张辉清,10多年IT老兵,系统分析师、项目管理师。曾中青易游CTO、同程交通创新技术负责人、古大集团首席架构师、携程架构师,领导过30~200人的技术团队,将研发能力提高1~2个档次。现关注架构设计与工程效率、技术变现、中小研发团队能力提升。

一、行业背景与垂直搜索

我们先了解一下机票的行业背景,下图是由中航信统计的数据,蓝色的曲线代表平均每公里的票价,红色曲线指的是客运量。

可借鉴性极高的通用方案:垂直搜索引擎性能优化

从2011年到2016年,无论是国内、港澳台还是国际,整体趋势都是机票价格便宜了,坐飞机的人也越来越多了。特别是国际机票,这五年里机票价格下降30%,客运量增长了140%。

乘客越来越多,购买机票的渠道有哪些呢?

现在主要有三个:网络平台、代售点和航司官网。像携程、去哪儿、飞猪、同程等,是主流的网络购票平台;像旅行社这类代售点,是旅行团的主要购票渠道;同时大部分航空公司的官网也可以购票,而且有相对较低的价格。

总体来说,网络平台是最大的销售渠道,占比76%。为什么网络平台占有这么大的份额呢,主要原因是机票垂直搜索引擎是主要的用户流量入口。

用户一般是先比价然后再去预订,一个好的机票搜索引擎查询的产品丰富、价格便宜,而且响应速度快,运价也准,这些特性在技术方面实现好并不容易。

二、主要问题与解决方案

机票查询要快、准、低。快是指查询快,能够提供一个良好的用户体验;准是指运价准,可以保证出票的成功率;低是指票价低,能够吸引更多的用户。

但是,如果票价要有优势,就要有大量产品,产品数据多了查询就慢,如果查询要快,就必须要缓存,但是数据缓存了,运价就可能不准。这三者是矛盾的,类似于CAP原则,具体示意图如下:

可借鉴性极高的通用方案:垂直搜索引擎性能优化

对于以上问题,怎么解决呢?通用的三个技术方案有:

  • 用DB+Redis平衡响应速度、数据实时性和查询成本;

  • 用削峰填谷的MQ来处理高并发;

  • 将业务服务化、模块解耦。

这些只是通用的技术点,并没有什么难度,我们这里重点介绍与最终结果密切相关的四个模块:静态数据、缓存策略、实时查询、政策匹配。

  • 静态数据:能静态处理的数据尽量静态化,存储到本地,可以是数据库或缓存,以方便快速地查询,如航班信息、运价数据和政策数据等;

  • 缓存策略:从中航信拿到运价数据之后,进行热冷门数据分类,数据永不过期但持续更新,自主控制数据的更新频率;

  • 实时查询:多渠道多供应实时获取远端数据,多数据源查询速度会变慢,远端服务不可控,解决方案是三段超时,即前端用户超时、中端运营超时、后端供应超时;

  • 政策匹配:大量的产品数据和大量的业务规则,不可能都提供给用户,需要通过一定的算法进行匹配过滤、排序等。

三、静态数据与任务打底

机票查询的静态数据主要有:城市、机型、航司、运价数据等,这里重点介绍较为复杂的运价数据,运价数据的获取虽然间隔时间较长,但数据量大且更新频次不同。

运价数据是由中航信统一提供的,有两种途径:黑屏查询和IBE接口,将获取到的数据保存到数据库和缓存中,用户查询的时候直接从缓存中获取,同时也会按照一定的缓存策略来更新。

最初我们设计了两套方案来打底运价数据,两个方案各有优劣:

  • 方案1是先预加载所有的运价数据,然后全部保存到数据库和缓存,然后在航班查询时通过缓存策略进行相应地更新;

  • 方案2是把运价数据根据航线查询频率分为热门和冷门数据,然后每天凌晨对热门数据预加载,并在航班查询的时候对冷门数据进行更新。

可以看出,方案1能保证数据的完整性和实时性,但预加载用时太长;方案2能控制预加载用时,但热门数据的实时性会从早到晚逐渐降低。

两个方案中都需要实时更新,在考虑数据实时性的同时,还要考虑获取数据的费用,平衡好两者才是一个实用的方案。

综合对比之后,我们采用了方案1,具体实现如下图所示:

可借鉴性极高的通用方案:垂直搜索引擎性能优化

首先是通过Job对运价数据的初始化,然后以任务消息的方式发送给MQ,MQ里的消息会被后台服务自动消费,执行消息队列里的任务,把运价数据保存到数据库和缓存。

数据预加载之后,用户在前台查询时,如果缓存里面没有数据,或者查到的缓存数据是过期的,系统会自动发一条任务消息给MQ,或者人工配置指定的航线定时更新,Job也会自动发送任务消息给MQ,前台和后台的消息被服务消费以实现数据的更新。

用户的不断请求和后台指定的任务,保证数据的持续更新,时间越久数据的准确性越高,用户查询的命中率也会越来越高。

四、缓存策略与数据一致

上面说到运价数据同时存储在数据库和缓存,为什么有了缓存还要数据库呢?

存储到数据库是为了方便数据的多维查询和管理,包括对缓存的进一步干预。数据库查询的功能强大,但速度慢,缓存的性能好,但从缓存里获取的数据,会有不准确的问题。

怎么才能做到查询快而且数据准呢?

我们的解决方法是缓存永不失效、数据分类、自主控制更新频率,以实现运价数据的又快又准。

我们根据航线查询的频率,将可以分成热门数据、冷门数据和没有数据,航班多、查询多的是热门数据,航班少、查询少的是冷门数据,查询不到就是没有数据。

在预加载或更新运价数据时,将缓存设置为一个较长时间或永不过期,然后在前台访问时,不同数据类型采用不同的更新策略,具体如下:

  • 热门航线查询,在缓存中获取数据,数据中有一个自己的缓存时间字段,然后根据这个时间来分别处理:

    1小时之内更新的:新鲜度较高,可以直接用;

    1-6小时之内更新的:预警n次,第n+1次命中时则异步更新运价;

    6小时之外更新的:新鲜度太低,异步更新运价;

  • 冷门航线查询,与热门航线一样,只是不预加载且缓存时间稍长:

    12个小时之内更新的:新鲜度较高,可以直接用;

    12-48个小时之内更新的:预警n次,第n+1次命中时则异步更新运价;

    48个小时之外更新的:新鲜度太低,异步更新运价;

  • 缓存没有数据时,直接获取最新运价,同时更新数据库和缓存。

可借鉴性极高的通用方案:垂直搜索引擎性能优化

以上无论是预警后更新还是直接更新,都是先把缓存中数据返回给用户,同时异步更新数据库和缓存。

虽然有存在数据查询不准确的概率,但被用户再次查询时就准确了。

查询到的数据即便不准确,在后继的航班预订时也会二次的验舱验价,运价数据和库存数据会再次更新。

用户不断地查询,数据不断地更新,查询命中率就会越来越高,并且用的人越多情况会越好,会逐步趋近于n个9。

五、实时查询与三段超时

能静态化的数据我们要尽量静态化,但远端数据的实时查询还是必不可少。

实时查询如何做到又快又好呢?特别是多数据源、多供应商的实时查询场景。

我们的国际机票查询就是这样,前台页面点击查询时实时调用供应商接口,早期我们仅调用一个供应接口,产品比较单一,数据不够丰富,后面我们引入了多供应商,产品变丰富了,也有了低价,但同时带来了很多新问题。

比如供应端接口需要20~30秒,但前端客户只能接受8秒以内,怎么办?提高供应数据门槛?但这不是核心竞争。还有查询速度变慢、外部数据源不可控、数据格式多样等问题。

可借鉴性极高的通用方案:垂直搜索引擎性能优化

对于以上问题,我们的解决办法是三段超时,所谓三段超时,即供应端、运营端和客户端。

前端满足客人、中间满足运营控制策略、后端满足供应商,三方都要满意,这样才能产品更丰富、价格更低、运营策略更灵活、用户响应更及时。

三段超时的时间可以根据具体场景进行配置,具体如下:

1)供应端超时

供应端是后端,是指提供数据源的一方,供应端存在的问题就是外部不可控。供应端处于数据来源的最底端,解决办法是尽量加大供应端的超时时间限制。

我们对请求供应接口的最大HTTP超时时间设置为45秒,这个值可以满足绝大部分情况。

2)运营端超时

运营端是中间端,把供应商的数据拿过来之后,做包装转换、去重、政策匹配等业务处理。

我们先统计每一个供应接口的请求时间,确认供应接口数据的质量和优先级,比如说:A供应数据的质量相比B和C供应数据的质量要高,那么A的请求级别可以设置得高一些。

我们优先考虑拿到A供应的数据,如果A的数据在8秒就返回,而B和C的超过这个时间,那么我们此时在前台就只把A的数据返回给客户。

对于B和C的数据,由于在HTTP请求时我们采用异步并设置了较大的供应端超时,所以它会在A返回之后,继续异步请求并将返回的数据保存到缓存中,以供用户下次或其他用户使用。

当我们拿到了多供应商的产品数据后,这时会有一定重复的数据,需要规范化处理,将不同数据格式转换成统一标准,然后去重并选取最优,最后根据运营策略进行政策匹配等。

3)客户端超时

客户端是前端,需要处理最终展示和不同终端用户的不同需求。客户端采用多线程异步读取,这样不会影响主线程的速度,同时并发请求,提升响应速度和用户体验。

这里指的主线程请求时间,可以理解为在前台终端设备需要等待的时间,比如APP要求8秒钟返回,那就设置8秒时间;如果PC端B2B白屏网页查询,客户可以等待时间为25秒,那么就是设置25秒。

客户端的超时时间要大于或等于所有的运营端超时时间,例如客户端超时是25秒,那么运营端线程A的超时可以最大为25秒,但如果线程A的绝大部分航线获取时间是18秒,那么线程B和C的超时最好不要超过18秒,这里的用户体验要综合考虑概率问题。

六、政策匹配与算法优化

弄来这么多产品,不可能都提供给客人,需要根据运营规则来匹配。机票政策就是机票产品的运营控制策略,如下图所示:

可借鉴性极高的通用方案:垂直搜索引擎性能优化

包括政策类型、客户类型、航程类型、乘客类型、航司、航班、舱位、城市、日期、返点 、定额、Office号等多种属性。

为什么有这么多属性呢?

因为机票产品的运营规则很复杂,而这种规则的复杂性,直接导致在航班查询的时候,机票政策的匹配也很复杂的。对于这种大数据、复杂业务规则的数据处理,需要有一套专门的政策匹配算法,具体如下:

Step 1 :直接从数据库查政策,在前端查询的时候,根据查询的条件,如出发到达城市、日期等,从数据库中大范围的获取政策数据,并把这些数据放到内存中。

Step 2 :在内存中对每个产品进行政策匹配即过滤,先将每一个属性转化为业务规则如限制城市、排除供应商、航司指定供应商等,一个属性一个类、采用统一的接口,然后增加到政策过滤器中。

产品与政策的匹配过程,就像水流过过滤网一样,把最优政策应用到产品上如调整价格。这个过程有些复杂,为此我们编写了一套自己的政策过滤器PolicyFilter框架。

Step 3 :按照政策返点高低进行排序。

Step 4 :将最优政策返回给前台。

以下是部分核心代码的演示:

可借鉴性极高的通用方案:垂直搜索引擎性能优化可借鉴性极高的通用方案:垂直搜索引擎性能优化

七、小结

机票垂直搜索性能优化不仅仅适合于机票行业,也适合于其它垂直行业,在垂直搜索引擎方面有一定的通用性,只要它存在:远端数据获取、静态数据、缓存更新、规则匹配、多数据源等问题,都是类似解决方案。

垂直搜索主要有四把刷子:

  • 第一把刷子是静态数据与任务打底。

  • 第二把刷子是缓存与更新,保持数据的新鲜度,不仅要快,还要准。

  • 第三把刷子是实时查询与三段超时,多供应商多数据源,供应商要20秒,客户只能接受3秒,怎么办?解决办法是三段超时。

  • 第四刷子是政策匹配,好不容易弄来这么多产品,不可能都直接显示给客人,需要根据运营规则进行匹配。

以上,每一个具体的技术可能并不复杂,但把它们综合起来,解决具体的实际问题,为公司为行业带来价值,并不是件容易的事。

技术的核心价值在于技术的应用,技术价值要借助技术应用和产品才能发挥出来,这比单纯的技术学习要有意思得多,希望以上能应用到你具体的工作中。

本文出自《小团队构建大网站:中小研发团队架构实践》一书,若对该书感兴趣,可通过点击“阅读原文”,查看购买链接。

可借鉴性极高的通用方案:垂直搜索引擎性能优化

对大数据技术运用尚不熟练?

想玩转热点技术,同时把握先机?

新一年精彩纷呈的技术巡演全新启航!

助你找到最适用的进阶技能~

↓↓点击链接可了解更多详情及报名↓↓

2019 Gdevops全球敏捷运维峰会-北京站

基础普及:什么是网站的域名、服务器和程序

在搜索引擎中搜索“今日头条”如下图所示,“今日头条官网”下方显示“www.toutiao.com”就是该网站的域名。

网站推广中如何做好网站架构?

做好网站架构有两个好处,一个是提升用户体验,一个是利于搜索引擎排名优化。一般的网站架构要以树形结构为主,层级清晰且不要太多,中小型网站层级不要超过三级。网站架构还要看网站的类型及用途,网站分很多种类,:-架构,网站推广,网站,推广:网站推广中如何做好网站架构?

如何利用百度熊掌号做新网站PC页面的SEO?

毫无疑问,百度新搜索,已经逐渐的从“站”向“号”转变,这里所谓的站,就是指网站,而号,就是指熊掌号。 简单理解:熊掌号上线的初衷,起初只是针对移动端核心搜索的变革,但随着熊掌号的推进,百度搜索逐渐尝试:-熊掌,seo,pc,百度:如何利用百度熊掌号做新网站PC页面的SEO?

关键词优化-网站标题设置技巧

影响到网站的点击和关键词的排名,很多新手站长,喜欢在标题上堆砌关键词,今时不同往日了,这种做法严重违背了搜索引擎算法。

千万级数据下的Mysql优化

前言平时在写一些小web系统时,我们总会对mysql不以为然。然而真正的系统易用应该讲数据量展望拓展到千万级别来考虑。