前言

在开发中遇到一个业务诉求，需要在千万量级的底池数据中筛选出不超过 10W 的数据，并根据配置的权重规则进行排序、打散（如同一个类目下的商品数据不能连续出现 3 次）。

下面对该业务诉求的实现，设计思路和方案优化进行介绍，对「千万量级数据中查询 10W 量级的数据」设计了如下方案

1. 多线程 + CK 翻页方案
2. ES scroll scan 深翻页方案
3. ES + Hbase 组合方案
4. RediSearch + RedisJSON 组合方案

初版设计方案

整体方案设计为

1. 先根据配置的「筛选规则」，从底池表中筛选出「目标数据」
2. 在根据配置的「排序规则」，对「目标数据」进行排序，得到「结果数据」

技术方案如下

1. 每天运行导数任务，把现有的千万量级的底池数据（Hive 表）导入到 Clickhouse 中，后续使用 CK 表进行数据筛选。
2. 将业务配置的筛选规则和排序规则，构建为一个「筛选 + 排序」对象 SelectionQueryCondition。
3. 从 CK 底池表取「目标数据」时，开启多线程，进行分页筛选，将获取到的「目标数据」存放到 result 列表中。

//分页大小  默认 5000
int pageSize = this.getPageSize();
//页码数
int pageCnt = totalNum / this.getPageSize() + 1;

List result = Lists.newArrayList();
List futureList = new ArrayList(pageCnt);

//开启多线程调用
for (int i = 1; i