2020-09-03

最新推荐文章于 2024-11-04 20:33:37 发布

weixin_43754491

最新推荐文章于 2024-11-04 20:33:37 发布

阅读量231

点赞数

分类专栏：排行榜文章标签： java

本文链接：https://blog.csdn.net/weixin_43754491/article/details/108386893

版权

排行榜专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Redis排行榜的设计与实现

 后知后觉，前几天做的自以为挺满意的排行榜，不正是zset的经典实现么，现在的思路全都是查库的操作，由于业务原因，有些事异步操作，难免存在已经计分，但分数还没有入库，这是去查库，导致与实际的分数不一致的情况，通常排行榜本身的操作不是很频繁，但计分的操作很频繁，但也不排除有些业务场景有些"分数怪"刷分的情况，比如王者荣耀实时排列等。
  在实现之前先要了解下zset的原理，说原理之前不得不提下redis的数据结构。
  Redis有几种数据类型？    九种

90%的人知道Redis 5种最基本的数据结构；
只有不到10%的人知道8种基本数据结构，
—>5种基本+bitmap+GeoHash+HyperLogLog；
只有不到5%的人知道9种基本数据结构，5.0最新版本数据结构Streams；
只有不到1%的人掌握了所有9种基本数据结构以及8种内部编码；
那跟zset有啥关系？

zset对应的数据结构是ziplist，也就是底层是跳跃表的结构，跳表，简单记忆就是链表头上还举个牌子，来人找位置，先看看头上的牌子，如果满足向下查询，不满足直接找别的牌子，然后再牌子与牌子之间寻找，相当于MySQL的查询limit，或者干脆就直接等等于ConcurrentSkipListSet，底层查找是二分查找算法。说了半天你说那么多数据结构干啥?
Geo本身不是一种数据结构，它本质上还是借助于Sorted Set（ZSET），并且使用GeoHash技术进行填充,在使用Redis进行Geo查询时，其内部对应的操作其实就是zset(skiplist)的操作，这回有关系了吧。
排行榜的设计
谈不上设计哈，因为各个业务是不一样的，还是那句话排行榜没什么难的，排行榜的计分才是难得。
当下的计分方式是将数据放入redis进行修改操作，所以说排行榜本就应该用redis来做，但是现在的排行榜计分是直接查库人为算的，这个避免不了。
那么计分的操作是存redis的，会出现计分不准的情况吗？
会，如果你取分是从数据库取的，那很会~，因为我现在是将入库操作方队列的，不能保证取分时，队列已经消费到此条数据的。所以才考虑的redis,也算是优化方案吧。另外不建议将计分操作直接放入数据库，对数据库的io过于频繁了，会造成意想不到的后果。
1、计分存入redis，利用命令
ZINCRBY 命令：为分数值加上增量
redisService.incrScoreZset(“point”,likedUserId.toString(),1);
那减分怎么办？
根据实际业务，我这里直接就加分这里-1操作，因为我这肯定是有分数的，不用担心出现负数带来排名不正确的情况。
2、解释下参数
redisService.incrScoreZset(“排行榜名称”,计分人,分数);
3、取分计算时一定要取redis的分，不要直接取数据库的。
排行榜的实现
先说个人业务，业务原因，其中一条计分项是需要审核通过后才计分的，机审还好吧，人工审核就会出现什么情况？出现A通过加了10分，但现在人工去忙了，不一会回来给B通过加了2分，这样的情况A可能排在B前，也可能相反，那怎么做？
1,定时任务去拉分，审核后存redis
2,通过后直接存redis,其实不需要定时任务
但现在接口和管理分开的项目啊，都不在我这端，当然redis保证公用一个的话，方案二可行的，大不了去指定redis拉数据么。
计分实现要有加分减分的闭环操作
public Object countPoint(Long pointId,String ponitList, Long userId) {
String key = RedisConstants.get(pointId.toString());
String userIdStr = userId.toString();
boolean flag = redisService.isMember(key, userIdStr);
DetailVo vo = DetailVo.builder()
.pointId(pointId)
.likeCreateTime(new Date())
.likeUserId(userId)
.likedUserId(likedUserId)
.build();
Map resultMap = new HashMap();
if (flag) {
redisService.srem(key, userIdStr);
vo.setType(2);
//减分
redisService.incrScoreZset(ponitList,likedUserId.toString(),-1);
resultMap.put(“no”, 0);
} else {
redisService.sadd(key, userIdStr);
//加分
redisService.incrScoreZset(ponitList,likedUserId.toString(),1);
vo.setType(1);
resultMap.put(“yes”, 1);
}
//发送消息
mQProducer.sendUpdateUp(vo);
resultMap.put(“Number”, redisService.scard(key));
return resultMap;
}
排行榜实现

网络效果图
排行榜功能
分数从大到小排列，显示头像，昵称，排行
排行人数超过10人需要分页
显示当前用户的分数，排行
以上数据下拉刷新
这样一来，避免了现在的去数据库查询所有的人数，只要有分数一定在redis里面，直接听过命令即可查询出分数，排行，redis的排序下标从0开始需要加1。
1.分数从大到小
所有既是0,-1
Set<TypedTuple> reverseRangeWithScores(K key, long start, long end);
2.获取指定元素的分数及排行
//获取我的分数
Double point = redisService.zScoreMe(“point”, customerId.toString());
//我的排名
Long myRank = redisService.myRank(“point”, customerId.toString())+1;
3.分页，可以逻辑代码对set分页，然后过滤分数为0的
手动造了点测试数据
本地reids 两个10分的，一个1分，一个2分