? ? ? ? ?取交集的場景很多，比如公眾號文章顯示有多少個好友已讀，又或者群聊成員列表顯示有多少個好友已經入群。最近遇到一個類似場景，一開始的覺得線上數據量較大，redis 取交集操作時間復雜度在O(N)，實時計算會不會不合適？是否離線計算更好？請教了組內資深大佬，大佬說數據量不大的情況下redis計算挺快的。聽了之后感覺需要實際測試一下，不然貿然上線心里沒底。下面是測試流程，有需要的同學可以參考下。

? ? ? ? 假定測試目標是統計在線用戶中付費用戶數量，測試結果如下圖，先說結論：耗時和數據集大小以及數據集重合度有關(廢話，耗時肯定和數據集大小有關^_^)。測試結果也和zinterstore 的時間復雜度是一致的。下圖右側是提高重合度的結果，耗時明顯有增加。

ZINTERSTORE 時間復雜度: O(N*K)+O(M*log(M)) 這里N表示有序集合中成員數最少的數字，K表示有序集合數量。M表示結果集中重合的數量。

測試設備：

????????騰訊云服務器 16核 32G內存

數據集通過redis lua腳本跑出

create_data.lua 腳本：

-- 1000 用戶量 redis.call("del","online_user_1000", "rich_user_1000","online_user_5000","rich_user_5000","online_user_10000","rich_user_10000","online_user_50000","rich_user_50000","online_user_100000","rich_user_100000") for i = 1, 1000, 1 do redis.call("zadd", "online_user_1000", math.random(1000000)*math.random(100000), math.random(10000000)) redis.call("zadd", "rich_user_1000", math.random(1000000)*math.random(100000), math.random(10000000)) end-- 5000 用戶量 for i = 1, 5000, 1 do redis.call("zadd", "online_user_5000", math.random(1000000)*math.random(100000), math.random(10000000)) redis.call("zadd", "rich_user_5000", math.random(1000000)*math.random(100000), math.random(10000000)) end-- 10000 用戶量 for i = 1, 10000, 1 do redis.call("zadd", "online_user_10000", math.random(1000000)*math.random(100000), math.random(10000000)) redis.call("zadd", "rich_user_10000", math.random(1000000)*math.random(100000), math.random(10000000)) end-- 50000 用戶量 for i = 1, 50000, 1 do redis.call("zadd", "online_user_50000", math.random(1000000)*math.random(100000), math.random(10000000)) redis.call("zadd", "rich_user_50000", math.random(1000000)*math.random(100000), math.random(10000000)) end-- 100000 用戶量 for i = 1, 100000, 1 do redis.call("zadd", "online_user_100000", math.random(1000000)*math.random(100000), math.random(10000000)) redis.call("zadd", "rich_user_100000", math.random(1000000)*math.random(100000), math.random(10000000)) end-- 500000 用戶量 for i = 1, 500000, 1 do redis.call("zadd", "online_user_500000", math.random(1000000)*math.random(100000), math.random(10000000)) redis.call("zadd", "rich_user_500000", math.random(1000000)*math.random(100000), math.random(10000000)) end-- 1000000 用戶量 for i = 1, 1000000, 1 do redis.call("zadd", "online_user_1000000", math.random(1000000)*math.random(100000), math.random(10000000)) redis.call("zadd", "rich_user_1000000", math.random(1000000)*math.random(100000), math.random(10000000)) endreturn "OK"

?測試工具：redis-benchmark

測試命令如下，-n表示執行次數

redis-benchmark -n 10000 zinterstore inter_user_1000 2 online_user_1000 rich_user_1000 redis-benchmark -n 10000 zinterstore inter_user_5000 2 online_user_5000 rich_user_5000 redis-benchmark -n 10000 zinterstore inter_user_10000 2 online_user_10000 rich_user_10000 redis-benchmark -n 10000 zinterstore inter_user_50000 2 online_user_50000 rich_user_50000 redis-benchmark -n 10000 zinterstore inter_user_100000 2 online_user_100000 rich_user_100000 redis-benchmark -n 10000 zinterstore inter_user_500000 2 online_user_500000 rich_user_500000 redis-benchmark -n 10000 zinterstore inter_user_1000000 2 online_user_1000000 rich_user_1000000

測試截圖：

? ? ? ? ?在我的業務場景里，數據集一般在1萬以下，上限不會超過100萬，結合本次實測結果，實時計算應該沒啥問題。測試過程中也發現，雖然單個請求耗時不大，但是如果存在大量請求，并且這些請求對應數據規模很大，則勢必占用redis server大量處理時間，帶來普通請求的延遲或者超時，這一點也需要在業務中考慮。

總結

以上是生活随笔為你收集整理的Redis 有序集合(zset)取交集(zinterstore)操作耗时测试的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。