由于用户和私信的数据量逐渐增加，查询用户和其他用户的私信合并排重排序的sql语法给mysql带来了很大的压力，springdata jpa的hql查询语法如下：select id from (select id,target_id,case when user_id=?1 and type=?2 then 'sender' else 'receiver' end flag from javaniu_post where user_id=?1 and type=?2 union select id,user_id,case when user_id=?1then 'sender' else 'receiver' end flag from javaniu_post where target_id=?1 and type=?2 order by id desc) as ret group by target_id order by id desc

在mysql的slow查询中经常会出现10s以上的记录：

mysql查询性能的瓶颈在于某个用户和其他用户之间交互越多，发送私信越多，mysql union查询参与运算的集合数据量会越大，性能也会越来越低。

数据变化如下:

1.用户A发给用户B生成私信1

用户A->用户B->私信1

2.用户A发给用户C生成私信2

用户A->用户C->私信2

3.用户A发给用户E生成私信3

用户A->用户E->私信3

4.查询用户A的私信列表

私信3,私信2，私信1

5.用户B发给用户A生成私信4

用户B->用户A->私信4

6.查询用户A的私信列表

私信4,私信3，私信2

私信1因为有最新数据私信4的存在，所以不会返回。

所以迫切需要引入新的技术来解决该查询的性能瓶颈，想到了流行的redis技术，于是修改设计如下：

模拟发私信的数据结构如下127.0.0.1:6379> zadd uid1 1 2

(integer) 1

127.0.0.1:6379> zadd uid1 2 3

(integer) 1

127.0.0.1:6379> zadd uid1 3 5

(integer) 1

127.0.0.1:6379> zrevrange uid1 0 -1

1) "5"

2) "3"

3) "2"

127.0.0.1:6379> zrevrange uid1 0 -1 withscores

1) "5"

2) "3"

3) "3"

4) "2"

5) "2"

6) "1"

127.0.0.1:6379> zadd uid1 4 2

(integer) 0

127.0.0.1:6379> zrevrange uid1 0 -1 withscores

1) "2"

2) "4"

3) "5"

4) "3"

5) "3"

6) "2"

127.0.0.1:6379>

注意：把私信id做为score来做排序

相关代码片段如下：

删除或添加私信时：String uid = t.getUserId() + "";

String type = ModuleConstants.POST_TYPE_MESSAGE + "";

String tgid = t.getTargetId() + "";

long id = t.getId();

long time = t.getCreateTime().getTime();

String po_uid_tp_tgid = String.format(

RedisConstants.POST_USERID_TYPE_TARGETID, uid, type, tgid);

// from uid

String po_uid_tp = String.format(RedisConstants.POST_USERID_TYPE,

uid, type);

// to uid

String po_tgid_tp = String.format(RedisConstants.POST_USERID_TYPE,

tgid, type);

if (t.getStatus() == ModuleConstants.MODULE_STATUS_DELETED) {// 删除私信同时要删除redis

zsetOps.remove(po_uid_tp_tgid, id + "");

zsetOps.remove(po_uid_tp, tgid);

zsetOps.remove(po_tgid_tp, uid);

} else {

zsetOps.add(po_uid_tp_tgid, id + "", time);

zsetOps.add(po_uid_tp, tgid, id);

zsetOps.add(po_tgid_tp, uid, id);

}

查询用户的私信时：String uid = userId + "";

String tp = ModuleConstants.POST_TYPE_MESSAGE + "";

String po_uid_tp = String.format(RedisConstants.POST_USERID_TYPE, uid,

tp);

int total = zsetOps.zCard(po_uid_tp).intValue();

int ps = total / count + (total % count > 0 ? 1 : 0);

if (page > ps) {

page = ps;

}

int start = (page - 1) * count;

int end = page * count - 1;

Set> _ids = zsetOps.reverseRangeWithScores(

po_uid_tp, start, end);

List ids = new ArrayList();

Iterator> iterator = _ids.iterator();

while (iterator.hasNext()) {

TypedTuple _id = iterator.next();

long id = _id.getScore().longValue();

ids.add(id);

}

List ts = (List) findAllByIds(ids);

Pageable pageable = new PageRequest(page - 1, count);

Page _page = new PageImpl(ts, pageable, total);

initBeans(_page.getContent());

redis查询最代码官方，id=1的所有私信列表，和mysql union运算的结果完全一致，但是性能可是天壤之别：

info的memory截图和keyspace截图

相关资料和代码：