軟體執行速度太慢，這往往是使用者難以忍受的。 根據客戶體驗供應商 Emplifi 對 2,000 名消費者進行的一項全球調查顯示，僅 遇到 兩到三次不好的客戶體驗，86% 的消費者就會離開他們曾經信任的品牌。 要想留住使用者，必須要解決三個資料庫效能問題。

一、問題一：大規模資料降低了查詢效能

客戶資料庫的容量和表格大小不斷增長，傳統資料管理方法無法 應對 資料庫 的 增長 趨勢 。 開發人員發現 ， 大規模資料集 —— 無論是透過容量、速度還是可變性來衡量 —— 需要一個可擴充套件的架構，以便進行高效的儲存、操作和分析。

 

隨著客戶資料庫的增長，在資料庫中查詢單個識別符號（Universally Unique Identifier, UUID ）愈加困難，緩慢的查詢 速度使得 客戶服務 質量下降 。緩慢的資料庫查詢 使用於 建立聚合資料檢視 的實時資料操作難以執行，也就不能從實時資料中獲得啟發 。

 

解決方法 ： 將客戶 查詢 表和其他與客戶相關的資料表移至記憶體資料庫中。

 

記憶體資料庫的工作方式與其他資料庫類似，只是所有資料都儲存在DRAM 中而不是傳統磁碟上。 且記憶體資料庫也會 定期 將 資料儲存在磁碟上， 從而 實現永續性和資料恢復。

 

因為無需花費時間寫入磁碟或從磁碟檢索，所以記憶體資料庫的效能得到顯著增強。 記憶體操作的執行速度比基於磁碟的驅動器快很多倍，也比NVMe 或 SATA 固態磁碟驅動器快得多 。 這意味著應用程式可以搜尋數千萬條客戶記錄，以查詢與單個客戶相關的資訊並實時獲取結果。

 

二、問題二： 查詢速度太慢，無法立即分析

資料庫效能不僅限於提取資料以提供客戶記錄或儲存交易， 實時資料庫查詢 還可用 來支援業務指標背後的分析，如專案儀表板和故障排除警報。

對於分析而言，資料的質量與其年齡直接相關。較舊的和非常舊的資料對於實時分析和決策制定來說價值較低。

導致查詢效能問題的瓶頸可能出現在資料操作流程中的任何 環節 。資料庫搜尋和查詢操作在計算方面成本高昂，索引和提供搜尋結果需要大量資源。

 

同時攝取資料 並 查詢不同的資料結構（如雜湊和JSON 文件） 是具有挑戰性的 。這對於基於磁碟的SQL 資料庫，如 Oracle 和 SQL Server ，尤其如此。通常的解決方案是 進行 資料庫效能調優，但由於底層資料庫架構和資料庫工作負載 型別 的 限制 ， 這種方法只能有限地提升效能。

 

解決方法：使用實時搜尋引擎提供快速的資料分析結果。

 

實時搜尋引擎查詢並聚合大規模資料集，立即生成 實時 的資料。資料 分析師 隨後可以在儀表板、圖表或其他應用程式中使用和分析資料。

 

實時搜尋引擎提供：

l 提供亞毫秒級搜尋和查詢結果的效能以進行精確分析

l 可對海量資料集進行大規模搜尋和查詢，並提供即時結果

l 佔用資源少，對微服務框架友好

 

下圖是 將來自多個記錄來源的資料合併到一個實時搜尋引擎中，以提供及時的資料供分析和新業務 理解 ：

 

Redis Enterprise 將資料整合到實時搜尋引擎中

三、問題三：主資料表數量增長，線上搜尋太慢

另一個常見的資料庫問題是在龐大的主資料表上執行重複查詢。主資料表有助於定義資料庫中的重要資料庫實體，通常代表：產品、合作伙伴、供應商和訂單。與任何其他資料管理元素一樣，隨著公司的增長，這些資料表也會增長。

 

當主資料表中的主鍵或 輔助鍵 值達到數百萬個時，資料庫重複執行大型主資料表查詢時會出現效能問題。常見症狀是使用者搜尋明顯變慢或應用程式頁面出現延遲，特別是在為電子商務網站搜尋龐大的產品資料庫時。

 

解決方法：將資料 匯入 、索引和查詢負載分佈到資料庫分割槽或分片中，並使用二級索引。

 

地理分散式資料庫拓撲 結構 可以將主資料表擴充套件到數千萬個主鍵和 輔助鍵 。 這使得可以進行強大的搜尋自動建議和靈活的基於類別的搜尋，為線上客戶和企業使用者提供即時搜尋結果。 透過將讀取和寫入操作分佈在 在多個資料庫分割槽或分片上，可以實現主資料表 的 大規模 擴充套件 和高效能結果搜尋。

 

二級索引是為提供快速資料查詢而建立的非主鍵索引。 它們的搜尋結果可能包含重複值，例如查詢所有制造商列為 “Apple” 的產品。 資料庫的二級索引允許在任何資料庫欄位中靈活快速地搜尋主資料表。您可以為單個記錄建立成千上萬個索引，或者在整個資料庫中建立數十萬個索引。一旦建立索引，資料庫會提供自動索引管理。

 

四、 Redis Enterprise 可以滿足您的實時搜尋需求

針對以上常見的三個資料效能問題， Redis Enterprise 提供瞭解決方案。 Redis Enterprise 能 為實時資料提供強大的索引、查詢和全文搜尋引擎。Redis 搜尋引擎可用於實時客戶聚合，作為 Redis 中託管資料的二級索引，整合其他資料儲存中的資料進行分析，並充當快速全文搜尋或自動完成引擎。