本文由云+社區發表

前言

業務已基于Redis實現了一個高可用的排行榜服務，長期以來相安無事。有一天，產品說：我要一個按周排名的排行榜，以反映本周內用戶的活躍情況。于是周榜(按周重置更新的榜單)誕生了。為了滿足產品多變的需求，我們一并實現了小時榜、日榜、周榜、月榜幾種周期榜。本以為可長治久安了，又有一天，產品體驗業務后說：我想要一個最近7天榜，反映最近一段時間的用戶活躍情況，不想讓歷史的高分用戶長期占據榜首，可否？于是，滾動榜(最近N期榜)的需求誕生了。

周期榜

周期榜實現還是很容易的，給每個周期算出一個序號，作為榜單名后綴，進入新的周期自然切換讀寫新榜單，平滑過度。以日榜為例，根據時間戳ts計算每日序號s=ts/86400，以日序號s作為后綴即可實現零點后自動讀寫新日榜。小時榜與此雷同，不再贅述。

對于周榜，可以選定某一個周一(或周日，看需求)的時間戳為基準，計算基準到當前經過的周數為周序號，以此作為榜單后綴。

對于月榜，稍有不同，因為月份天數不固定，所以不能按照上述方法計算。但我們可以根據時間戳取得年、月信息，以年月做標志(如201810)后綴，即可實現月榜。

滾動榜

方案探討

滾動榜需要考慮多個周期榜數據的聚合與自動迭代更新，實現起來就沒那么容易了。下面分析幾個方案。

方案1：每日一個滾動榜，當日離線補齊數據

還以日榜為例，最近N天榜就是把前N-1天到當天的每一個日榜榜單累加即可，比如最近7天榜，就是前6天到當天的每一個日榜中相同元素數據累加。因此，最直觀的一個方案是：首先記錄每天的排行榜R，那么第i天的最近N天榜Si=∑N?1n=0Ri?n，其中，Ri?x表示第i天的前x天的日榜。實現上，可以每日生成一個滾動榜S和當天日榜R，加分時同時寫入S和R，每日零點后跑工具將前N-1天數據累加寫入當日滾動榜S。

這個方案的優點是直觀，實現簡單。但缺點也很明顯，一是每日一個滾動榜，消耗內存較多；二是數據更新不實時，需要等待離線作業完成累加后S中的數據才完全正確；三是時間復雜度高，7天榜還好，只需要讀過去6天數據，如果是100天榜，該方案需要讀過去99天榜，顯然不可接受。

方案2：全局一個滾動榜，當日離線補齊數據

基于方案1，如果業務無需查詢歷史的S，可以只使用全局一個S，無需每日創建一個Si。加分操作還是同時加當日的Ri和全局唯一的S，但每日零點的離線作業改為從S中減去Ri?(N?1)的數據(即將最早一天的數據淘汰，從而實現S的計數滾動)。

此方案減少了內存使用，同時離線任務每次只需讀取一個日榜做減法，時間復雜度為O(1)；但仍需要離線作業完成才能保證數據正確性，還是無法做到平滑過渡。

方案3：每日一個滾動榜，實時更新

要做到每日零點后榜單實時生效，而不需要等待離線作業的完成，一種方案是預寫未來的榜單。不難得出，當日分數會計入往后N-1天的滾動榜中。因此，可以寫當天的滾動榜Si的同時，寫往后N-1天的榜單Si+1到Si+N?1。

該方案不僅能脫離離線作業做到實時更新，且可以省略每天的日榜。但缺點也不難看出，對于7天滾動榜，每次寫操作需要更新7個榜單，寫入量小時還勉強能接受，如果寫操作量大或者需要的是30天、60天滾動榜，此方案可行性幾乎為零。

方案4：實時更新，常數次寫操作

有不有辦法做到既能實時更新，寫榜數量也不隨N的增加而增加呢？不難看出，第i天滾動榜Si=∑N?1n=0Ri?n，而第i+1天的滾動榜Si+1=∑N?1n=0R(i+1)?n=∑N?2n=0Ri?n+Ri+1。顯然，Si+1=Si?Ri?(N?1)+Ri+1。由于Ri+1在剛達到零點時必然為空且可以在次日實時加到Si+1上，因此如果我們能提前準備好Si?Ri?(N?1)這部分數據，那么在零點進入i+1天后，Ri+1自然就是可用狀態了。

以3天滾動榜為例，次日滾動榜初始態為當日滾動榜減去n-2天的日榜數據。

+-------------------------------------------+

| |

+----+---+ +--------+ +--------+ |

| | | | | | |

| R(i-2) | | R(i-1) | | R(i) | |

| | | | | | |

+----+---+ +----+---+ +---+----+ |

| | | |

| | | |

| | | |

| | v+ v-

| |

| | + +--------+ +--------+

| +-----> | | + | |

| + | S(i) | +---+> | S(i+1) |

+-----------------+> | | | |

+--------+ +--------+

那么，如何提前準備好Si?Ri?(N?1)這部分數據呢？可以如下處理：

對一個元素加分時，加當日周期榜Ri、滾動榜Si；還需根據其在今日滾動榜中的分數s、及n-1天日榜中的分數r，計算出其在明日滾動榜中的初始分數s-r寫入明日滾動榜中；即3個寫操作；

如果一個元素在當日沒有任何加分操作，那么不會觸發寫入初始分數操作，所以還需要一個離線工具補齊。與方案1、2不同的是，該離線工具可提前一天運行，即當日運行離線工具補齊次日的滾動榜數據即可。

簡而言之：第一步是運行離線工具生成次日的滾動榜；第二步是在寫操作時同時更新次日的滾動榜。

該方案也是每日一個滾動榜。相對方案3而言，是空間換時間。如果空間不足且無保留歷史的需求，可在離線工具中清理歷史數據。

+--------------+

| |

| AddScore |

| |

+-+----+-----+-+

| | |

v | |

+--------+ +--------+ +-------++ | |

| | | | | | | |

| R(i-2) | | R(i-1) | | R(i) | | |

| | | | | | | |

+--------+ +--------+ +--------+ | |

| v

+--------+ | ++-------+

| | | | |

| S(i) +

| | | |

+--------+ +----+---+

^

|

|

+------+-----+

| |

| Tool |

| |

+------------+

方案4的實現

以下是實現參考。此處僅列出核心的lua腳本。Redis命令調用腳本的參數定義為：

eval script 4 當日日榜key 當日滾動榜key 即將淘汰的日榜key 明日滾動榜key 榜單元素名 加分數

lua腳本script如下：

--加今日日榜分數

redis.call('ZINCRBY', KEYS[1], ARGV[2], ARGV[1])

--加今日滾動榜分數

local rs = redis.call('ZINCRBY', KEYS[2], ARGV[2], ARGV[1])

local curRoundScore = 0

if (rs) then

curRoundScore = tonumber(rs)

end

--取即將淘汰的日榜分數

rs = redis.call('ZSCORE', KEYS[3], ARGV[1])

local oldCycleScore = 0

if (rs) then

oldCycleScore = tonumber(rs)

end

--計算次日滾動榜初始分數

local nextRoundScore = curRoundScore - oldCycleScore

if nextRoundScore < 0 then

nextRoundScore = 0

end

--設置次日滾動榜分數

redis.call('ZADD', KEYS[4], nextRoundScore, ARGV[1])

--返回今日分數

rs = redis.call('ZREVRANK', KEYS[2], ARGV[1])

return {curRoundScore, rs}

關于榜單key計算準確度的探討 我們的業務是在排行榜接入層邏輯中計算榜單后綴的，這種方案對邏輯層多臺機器的時間一致性要求較高，如果邏輯層服務器時鐘不一致，可能在時間切換點上出現不同機器讀寫不同榜單的問題。如果業務對時間精確度要求嚴格，可以考慮通過lua腳步在redis端計算后綴。

.

關于內存容量限制的探討 基于ZSet實現的排行榜，每個元素約需要100字節內存。如果榜單長度為1000萬，則每個榜單約需要1G內存。滾動榜的計算需要每日保留一個日榜，如果滾動周期較長，則可能單機內存容量不足以容納所有需要的榜單。 考慮到歷史日榜數據是不會變更的，因此不在lua腳本中讀取歷史日榜數據也無一致性問題。故可以將榜單打散到多個Redis實例，在接入層做邏輯讀取歷史日榜的分數，再以參數形式傳入給lua腳本處理。

總結

在榜單長度不大且并發量不高的場景下，使用關系數據庫+Cache的方案實現排行榜有更高的靈活性。而在海量數據與高并發的場景下，Redis是一個更好的選擇。本文基于Redis實現的滾動榜，不論滾動周期多長，都只需要常數(3)次數的寫操作，有較好的性能和可擴展性。且通過離線+在線的雙預生成機制，確保了榜單實時生效，可用性較強。

此文已由作者授權騰訊云+社區發布

總結

以上是生活随笔為你收集整理的java千万用户实现实时排名_想知道谁是你的最佳用户？基于Redis实现排行榜周期榜与最近N期榜...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。