上一篇文章里我簡述了使用Keys作為Redis搜索的方式，確實感受到了社區的力量，寫文章好處多。首先謝謝各位前輩的指導，我知道了拿Redis作為搜索是個錯誤的方向。本來這篇文章我覺得確實沒必要發了，但是想想既然錯了，那就將錯就錯，寫出來給初學者一些思考吧。
本篇我將會講講，分詞建立key索引和redis scan命令兩種方式。
注意：這兩種方式的搜索也不一定可行，具體場景要具體測試衡量，拿Redis做搜索要深思熟慮并且測試，甚至是要直接回避的。
另外，上篇評論也建議大家看一看，前輩們給了很多經驗總結，有一些同學可能沒明白。這些點我先整理下：
1. 我采用了StactkExchange.Redis,而不是ServiceStack.Redis。對于后者我覺得是個好工具，但是4.0開始收費了，3.9功能不是特別全，一些地方存在不足。
2. 有同學建議GetAll之類的方式，我覺得對于緩存應該還是不要StringSet(list)/StringGet(list)的方式吧，畢竟數據量大了，序列化反序列化就費時。這點不知道大家怎么看？我個人覺得每條記錄應該是一個key-value，這個value應該是避免存成整個集合的，否則效率何在？
3. 上一篇中的Keys模糊匹配，請大家在實際運用的時候忽略掉。因為Keys會引發Redis鎖，并且增加Redis的CPU占用，情況是很惡劣的。
這種方式是我實踐過后，結合上篇的前輩給的觀點覺得唯一比較可行且符合redis特性的方式，不過最終效率上還是比不過內存。
詳細的實現思路清看Redis作者博客（參考資料1），這里的例子還是基于UserName，英文，并且只針對詞組做了長度為3的分詞，其他場景請自行擴展。
首先基于AutoComplete的字母搜索，那么我們需要對所有的Name做一個分詞，即：
abc => (a, ab, abc)
形成一個Set的集合形式：
那么輸入a，我們就直接取set a里的內容，輸入ab就直接取ab集合的內容。那么我們開始轉換，首先我們需要對User表的姓名進行分詞：
var redis = ConnectionMultWords, id from ( select Row_number() over (partition by words order by name) as rn,id,words from ( select id, SUBSTRING(name, 1, {0}) as words, name from User ) as t ) t2 where rn <= {1} and words != '' and words is not null", i, 20)); data.ForEach((key, item) => { db.SetAdd("capqueen:Cache:user:" + key.ToLower(), item.Select<int, RedisValue>(j => j).ToArray()); });}
第一步：采用SQL，分組排序篩選出每個分詞的前20條數據，這里使用的是OrmLite的語法。
第二部：存入RedisSet，注意這里其實只是做了一個索引，并不保存具體的User內容，效果如下：
接著搜索的時候我們可以實現如下：
public List<User> SearchWords(string keywords){ var redis = ConnectionMultiplexer.Connect("localhost"); var db = redis.GetDatabase(); var result = db.SetMembers("capqueen:Cache:user:" + keywords.ToLower()); var users = new List<User>(); if (result.Any()) { //轉換成ids var ids = result.ToList().Select<RedisValue, RedisKey>(i => i.ToString()); //按照keys獲取value ，事先已經存好了Users var values = db.StringGet(ids.ToArray()); //構造List Json以加速解析 var portsJson = new StringBuilder("["); values.ToList().ForEach(item => { if (!string.IsNullOrWhiteSpace(item)) { portsJson.Append(item).Append(","); } }); portsJson.Append("]"); users = JsonConvert.DeserializeObject<List<User>>(portsJson.ToString()); }}經過實際的測試，這樣的寫法比前面的Keys確實好了不少，但是性能還是差強人意的。
這種方法是我在查閱了Redis的文檔之后，發現的，但是也就是試驗一下，估計也不能用做生產環境大規模查詢。
Scan根據數據結構的不同分為了SCAN/HSCAN/SSCAN/ZSCAN，具體的信息請看文檔。我們這里采用了ZSCAN：
ZSCAN key cursor [MATCH pattern] [COUNT count]
這里cursor是搜索的迭代的一個游標，具體還沒弄明白，pattern就是匹配規則 count就是記錄條數
由于我使用的是StackExchange.Redis，它提供的zscan方法是：
IEnumerable SortedSetScan(RedisKey key, RedisValue pattern = null, int pageSize = 10, long cursor = 0, int pageOffset = 0, CommandFlags flags = CommandFlags.None);
用過之后，我發現了這里的pageSize/pageOffset貌似沒有效果，為此我還特地上github為作者留了言，他給我一些解釋：
https://github.com/StackExchang, 我的英語比較差，請湊合看。
public void CreateTerminalCache(List<User> users){ if (users == null) return; var db = ConnectionMultiplexer.GetDatabase(); var sourceData = new List<KeyValuePair<RedisKey, RedisValue>>(); //構造集合數據 var list = users.Select(item => { var value = JsonConvert.SerializeObject(item); //構造原始數據 sourceData.Add(new KeyValuePair<RedisKey, RedisValue>("capqueen:users:" + item.Id, value)); //構造數據 return new SortedSetEntry(item.Name, item.Id); }); //添加進有序集合，采用name - id db.SortedSetAdd("capqueen:users:index", list.ToArray()); //添加港口數據key-value db.StringSet(sourceData.ToArray(), When.Always, CommandFlags.None);}然后搜索的時候如下:
public List<User> GetUserByWord(string words){ var db = ConnectionMultiplexer.GetDatabase(); //搜索 var result = db.SortedSetScan("capqueen:users:index", words + "*", 10, 1, 30, CommandFlags.None).Take(30).ToList(); var users = new List<User>(); if (result.Any()) { //轉換成ids var ids = result.ToList().Select<SortedSetEntry, RedisKey>(i => i.ToString()); //按照keys獲取value var values = db.StringGet(ids.ToArray()); //構造List Json以加速解析 var portsJson = new StringBuilder("["); values.ToList().ForEach(item => { if (!string.IsNullOrWhiteSpace(item)) { portsJson.Append(item).Append(","); } }); portsJson.Append("]"); users = JsonConvert.DeserializeObject<List<User>>(portsJson.ToString()); } return users;} 總的來說，通過這么一些列的研究和前輩們的指導，我對Redis有了一些了解。AutoComplete的場景是真的不適合使用Redis,可以說目前Redis用來做一些搜索可能還早，期待以后會有相關功能吧。上一篇文章里，有些前輩給的 意見很好，希望大家也可以學習一下。
新聞熱點
疑難解答
