电商推荐系统如何用 Redis

一、推荐系统数据流

用户行为 → 特征 → 召回 → 排序 → 推荐结果

Redis 在每个环节都有用。

二、用户行为缓存

用户点击、浏览、收藏、加购：

# 用户最近浏览
ZADD rec:recent:{userId} {timestamp} {itemId}
ZREMRANGEBYSCORE rec:recent:{userId} 0 (now - 7days)

# 用户点赞
SADD rec:likes:{userId} {itemId}

三、召回结果缓存

推荐算法召回的候选集（几千个 item）放 Redis：

ZADD rec:candidate:{userId} {score} {itemId}
ZREVRANGE rec:candidate:{userId} 0 100  # 取 Top100

用户刷新时直接拿，不用重新跑算法。

四、物品详情缓存

商品信息、标题、图片：

HSET item:{itemId} title "xxx" img "xxx" price 99

批量取：HMGET item:1 item:2 ...

五、特征存储

用户特征（年龄、性别、等级）、物品特征（类目、价格）：

HSET user:feature:{userId} age 25 gender male level 5
HSET item:feature:{itemId} category phone price 3999

六、实时计数

• 点赞数：HINCRBY item:{itemId} likes +1
• 浏览数：INCR item:{itemId}:views
• 热销榜：ZINCRBY hot:daily {itemId} 1

七、去重

推荐过的用户不要再推：

SADD rec:shown:{userId}:{date} {itemId}
SISMEMBER rec:shown:{userId}:{date} {itemId}

八、为什么用 Redis

• 推荐要快（100ms 内返回）。
• 数据量大，DB 扛不住高 QPS。
• 数据结构丰富（ZSet 排序、Set 去重、Hash 存对象）。

九、典型架构

用户请求
  ↓
Nginx → 推荐服务
  ↓
Redis（召回候选 + 物品详情 + 用户特征）
  ↓
排序模型（可选）
  ↓
返回 Top N

面试要点

推荐系统不是单一 Redis 命令，是数据结构组合：ZSet 做排序、Set 做去重、Hash 做对象、String 做计数。