TairSearch：加速多列索引查询

互联网及传统行业应用服务的关键数据一般存储在MySQL这类的关系型数据库中。如需缓解数据库访问压力，可引入Redis等缓存系统承担热数据的查询，以此提升查询效能。然而业务场景如果是在数据库上做随意多列组合索引查询或者like模糊匹配查询，使用普通的KV缓存系统并不能完全承载住，往往需要引入lua或者外部计算等额外的联合查询匹配过滤机制。TairSearch是一个实时全内存检索服务，其核心的倒排索引机制既能满足词根的模糊匹配查询，且可作为热数据存算一体加速任意多列组合索引的联合查询效率。本文将阐述TairSearch如何支持以上场景。

KV缓存在多列灵活查询场景的局限性

设计关系型数据库表时，除可设置主键索引，还可以设置多个二维索引，以及多种联合索引。
使用KV缓存服务时，以Redis为例，一般使用Hash结构映射关系型数据库字段。
将数据库表中的行记录导入到Redis的Hash结构中，以行中主键字段的值作为Redis hash的key，其他字段名作为hash的field，行字段的值作为hash的value。如果查询场景只涉及主键索引，在Redis中可以直接通过hmget的方式获取到行中指定字段的信息。但在以下场景中则有明显的局限性：

1. 查询涉及二维索引，Redis中并不支持按hash中的field内容来查询，只能通过在Redis中再用Hash存储关系型数据库中的二维索引。不仅增加导入行数据的复杂程度，也因为冗余数据造成内存空间的膨胀。
2. 查询涉及联合索引，Redis中并不支持对Hash类型的多key联合查询，用户侧只能在外部或者lua脚本中实现联合查询过滤规则，涉及到了数据的读取和挪动。

下文以支撑流量洪峰时期的机票搜索服务为例，讲述如何使用TairSearch加速任意多列组合索引的联合查询效率。

使用