自动填充-实现逻辑

自动填充数据有两部需要维护，首先是关键字列表，其次是关键字后补列表。
每当用户查询关键字的时候，首先从关键字列表中进行查找，只要有匹配的就检索出来，其实这里还是需要进行关联度匹配和分析，这个可以留在后面实现。
如果关键字列表中没有完全匹配的，后补的列表中也没有这个关键字，那么就将其放入到关键字后补列表中；如果已经存在，则检索次数中加1；当检索达到了5000次之后，就需要从关键字后补列表中提升到关键字列表中，从其中查找检索次数最小的关键字进行替换。
关键字列表中的关键字是由分值的，每三天，次数将会10，这样一段时间没有被访问的关键的值就会减少，随着时间的推移，那些曾经很多点击率的产品的分值就会越来越低，可以供后来者进行替换。
关键字列表是由上限的，上限定为5000；关键字后补列表上限是20000（两万）。
后来发现这里的思路有偏差：我的这个想法，根据访问量来定keywords应用场景其实是百度，对于查询是不定的，基于用户的输入；但是对于电商网站，他的关键字检索其实是基于产品配置的，也就是在后台产品配置中将会有产品查询关键字这一项，所以其实建议关键字的来源其实是产品配置。
另外，对于排序，我才用的是Redis的有序集合，那么汉字如何来排序呢？我会自己维护一张汉字表，每当增加一个汉字，我都会为这个汉字创建一个整型值，对于汉字组成，比如“我”是8000，“我们”就是8100，“我们的”就是8120；其实关键字的检索汉字并不会过多，预估五万，保证10万个位置即可，那么对于首汉字其实只要保证9000万选，那么二级汉字可以保证900万可选，三级保证90万可选；其实当选择到二级的时候已经把基本全部的项目返回；但是可能会出现二级量也很大，那么就要依赖于三级数量。
总之，基本思路就是将汉字转化为数字进行存储，然后利用Redis的有序集合自动进行排序，然后检索的时候就是把二级或者三级匹配的项目选出来。
如果二级过多，但是用户只是输入了二级，那么只是返回部分数据，一旦发生了输入了三级没有匹配项，再根据三级信息去拉去数据。