摘要：使用者畫像存儲是推薦業務核心，但開源Redis無法勝任。華為雲高斯Redis是最佳存儲選型，輕松降本60%，同時獲得企業級高穩定性。
本文分享自華為雲社群《華為雲GaussDB(for Redis)揭秘第23期：用GaussDB(for Redis)存畫像，推薦業務輕松降本60%》，作者： 高斯Redis官方部落格 。
一、什麼是推薦系統
不知道大家有沒有過這樣的經曆，當你前腳剛在某電商網站買了一個手機，過兩天再打開該電商網站，首頁推薦顯示的必定有耳機、手機殼、藍牙音箱等手機配件。如果你買的不是手機，而是一件衣服，那麼下次打開電商網站顯示的，必定是和衣服搭配的褲子和鞋子等。
聰明的你不禁要問，為何電商網站如此強大，竟能提前預知你的偏好，并且給你推薦你可能喜歡的商品？其實在這背後，都離不開那強大的推薦系統。
什麼是推薦系統？首先我們來看看維基百科上的定義：推薦系統是一種資訊過濾系統，可以根據使用者曆史行為預測使用者對物品的“評分”或“偏好”。簡單來說，如果你是一個電子發燒友，那麼系統肯定會給你推薦各種新鮮出爐的3C産品，如果你是一個coder，那麼你的頁面肯定充滿各種程式設計大全的書籍。推薦系統近年來非常流行，應用于各行各業，推薦的對象包括：電影、音樂、新聞、書籍、學術論文、搜尋查詢、分衆分類、電商購物和遊戲業務等。
二、推薦系統的架構
了解了什麼是推薦系統之後，接下來我們繼續介紹下推薦系統的架構，以遊戲行業為例，一個典型的遊戲業務的推薦系統架構設計如下：
推薦系統主要由3部分組成，分别是：行為日志收集、特征生産和特征消費。
01.行為日志
大資料業務通過收集使用者的行為日志，分析獲得使用者畫像，并且将這些使用者畫像儲存在分布式檔案系統HDFS中
02.特征生産
工程業務負責為大資料業務提供一套接口調用，主要是“灌庫”，即定時或按一定邏輯把HDFS中的使用者畫像加工成特征，灌入工程業務負責的“KV存儲”。
03.特征消費
工程業務團隊還負責将算法團隊的推薦模型進行工程落地，他們開發線上推理元件，從KV存儲中提取特征資料、分析計算，最終得出推薦結論，展示給使用者。
三、推薦系統的存儲痛點
上一節中我們介紹了遊戲行業中推薦系統的架構，這也是推薦系統的一個典型架構。從架構圖可以看出，KV存儲在整套鍊路中，承載着重要的承上啟下作用。然而，推薦系統中的KV存儲卻存在着兩個大的痛點，第一個是成本高，第二個是擴容慢。
01.成本高
首先第一個是成本高的問題。通常我們搭建KV存儲的首選是選擇自建一個開源Redis叢集作為KV存儲系統。
一方面，開源Redis的資料全部放在記憶體中，衆所周知記憶體的存儲成本非常昂貴，隻适用于存儲少量資料，如果資料量大，存儲成本将成為企業的負擔；
另一方面，開源Redis在進行AOF檔案重寫的過程中存在fork機制，導緻開源Redis在AOF檔案重寫時，其記憶體使用率隻有50%，這就進一步使增加了開源Redis的記憶體使用成本。
02.擴容慢
除了成本比較高，開源Redis還存在擴容慢的問題，在自建的開源Redis叢集中，随着業務增長，KV存儲的容量不得不進行擴容。但由于原生Redis本身的架構特點，在擴容過程中難免要發生key的跨slot遷移，如下圖所示，跨slot遷移需要耗時很久并且業務受影響時間長。
四、為什麼推薦GaussDB(for Redis)
知道了推薦系統的痛點所在，該如何解決呢？究其根本是降本增效，而GaussDB(for Redis)可以說是為解決這些問題而生。
01.降本
GaussDB(for Redis)從兩個方面降低KV資料的存儲成本：
一個方面，GaussDB(for Redis)的所有資料全部落在存儲，相比開源Redis資料存放在記憶體中，其成本降低了75%~90%，形成極大的價格優勢。舉個例子，一個512GB的開源Redis叢集，其成本幾乎要5w/月，而相同規格的執行個體，如果替換成GaussDB(for Redis)，其成本節約40%以上，幾乎節省了一個人力成本在裡面。下面這張表格是不同層級存儲器之間的成本對比圖。
另一方面，在推薦系統中，KV資料主要存儲的是使用者畫像的資訊，這些資訊基本上都是經過Protobuf序列化後的資訊，而GaussDB(for Redis)自帶的資料壓縮功能，可以對序列化後的資訊進行高壓縮比的壓縮，實際占用空間僅為開源Redis的50%左右，這又進一步降低了KV資料的存儲成本。
02.增效
除了降本，另一方面就是增效了。衆所周知，開源Redis的架構中，如下圖所示，其存儲和計算是不分離的，這就導緻節點進行擴容的時候，會發生分片的遷移，進而導緻業務會受到影響。
GaussDB(for Redis)為了解決這個問題，采用了存算分離的架構，如下圖所示：
在存算分離的架構下，底層資料可以被任意上層計算節點通路，擴容過程不發生資料拷貝搬遷，速度極快；同時還做到分鐘級節點擴容，業務秒級感覺；存儲擴容業務0感覺。無論是擴節點還是擴存儲容量，對業務的影響幾乎為0。
五、總結
六、附錄
- 本文作者：華為雲資料庫GaussDB(for Redis)團隊
- 更多産品資訊，歡迎通路官方部落格：bbs.huaweicloud.com/blogs/248875