Redis 排行榜的同分排序与实时更新
积分榜、消费榜、战力榜,本质都是「按分数排序 + 秒查名次」。ZSet 一个结构同时提供排序和排名两种视图,是排行榜的默认选择,但同分怎么并列、分数怎么实时更新、榜单怎么重置,这些细节决定了它能不能直接上生产。本文以积分榜为例(Redis 7、Spring Boot 3.x),给出可落地的模型与代码。
一、为什么排行榜首选 ZSet
排行榜的高频操作只有三个:上报分数、查询名次、取 Top N。用 MySQL 实现,查名次要 COUNT(*) 配合 ORDER BY,分数一变就要回写,并发一高写放大明显;加一层缓存后,缓存与数据库的一致性又要单独维护。ZSet 把这三件事压成了三条 O(log N) 的命令:
ZINCRBY:原子加分,返回新分数;ZREVRANK:查询某个成员从高到低的名次;ZREVRANGE ... WITHSCORES:按名次取区间。
底层是跳表加哈希表的双结构:跳表按 score 有序,负责区间扫描;哈希表存 member 到 score 的映射,负责 O(1) 定位单个成员。所以「查我的名次」和「取前 100 名」都走 O(log N) 路径,百万成员的榜单单次操作在微秒级,单实例扛每秒十万次上报并不夸张。
二、同分排序:把时间戳编码进分数
ZSet 的排序规则是先比 score,score 相同再按 member 的字典序。默认行为下,两个同分用户的先后由用户 ID 字符串顺序决定,「先达到该分数的排前面」这类业务语义就丢了。
通用解法是把达成时间编码进 score 的小数部分:
score = 业务分 × 10^10 + (基准时间戳 − 达成时间戳)
基准时间戳取一个未来的固定值(例如 2000000000,即 2033 年)。达成越早,差值越大,小数部分越大,同分时排得越靠前;整数部分是业务分,不影响不同分数之间的排序。
这里有一个绕不开的精度约束:Redis 的 score 是 double,IEEE 754 双精度只有 53 位尾数,安全整数上限约 9.007 × 10^15。业务分乘以 10^10 之后,业务分不能超过约 90 万,否则低位的时间差会被舍入,同分排序退化成字典序随机。分数可能超过这个量级时,改用两个 ZSet:主榜按业务分排序,并列名次在展示层用达成时间归并;或者与产品约定把分数统一放大成整数再编码。
# 用户 1001 首次上榜,业务分 320,达成时间 1790000000
# score = 320 * 10^10 + (2000000000 - 1790000000) = 3200002100000
ZADD rank:total 3200002100000 u:1001
编码在应用层完成后整体写入,重复上报时用 ZADD GT(Redis 6.2 起支持):只有新分数更大才更新,防止定时任务或客户端重试把已有分数刷低。
三、实时上报与名次查询
Spring Boot 3.x + Spring Data Redis 3.x 的实现骨架:
@Service
public class RankService {
private final StringRedisTemplate redis;
private static final long TIME_BASE = 2_000_000_000L;
public RankService(StringRedisTemplate redis) { this.redis = redis; }
/** 上报分数:只在总分提高时更新榜单 */
public void report(long userId, int bizScore) {
long ts = System.currentTimeMillis() / 1000;
double score = bizScore * 1e10 + (TIME_BASE - ts);
redis.opsForZSet().add("rank:total", "u:" + userId, score);
}
/** 我的实时名次,从 0 开始;未上榜返回 null */
public Long myRank(long userId) {
return redis.opsForZSet().reverseRank("rank:total", "u:" + userId);
}
/** 我的名次附近 ±5 名,用于详情页展示 */
public Set<String> aroundMe(long userId) {
Long rank = myRank(userId);
if (rank == null) return Set.of();
return redis.opsForZSet().reverseRange("rank:total",
Math.max(0, rank - 5), rank + 5);
}
}
两个展示层细节:一是 ZREVRANK 返回的是「排在我前面的成员个数」,同分成员会各自占一个名次位;如果产品要求「同分同名次」,取成员 score 的整数部分(业务分)做归并即可,不必改存储。二是详情页通常只要「我的名次 ± 5」,一次 ZREVRANGE 就能拿到,不要把 Top 1000 拉回来在应用里找。
四、日榜、周榜与榜单重置
总榜之外通常还要日榜和周榜。日榜按日期拆 key:rank:day:20261025,上报时用 pipeline 同时写总榜和当日榜,当日榜设置 8 天 TTL 自动清理。周榜有两种做法:一是每天把当日榜单归并进周 key(ZUNIONSTORE rank:week 2 rank:week rank:day:20261025);二是直接维护一个周 key 双写,省掉归并成本。成员百万级时 ZUNIONSTORE 是一次 O(N) 的重建,放到凌晨低峰跑,不要挂在写路径上。
榜单重置(赛季切换)不要用 DEL 直接删百万成员的大 key,会阻塞主线程。做法是先写入新 key,再用 RENAME 原子切换:新榜改名为线上 key,旧 key 改名后用 UNLINK 异步删除。
五、榜单重建、降级与展示层缓存
排行榜是典型的「允许最终一致」的业务,这给了两条工程上的便利:可以异步重建、可以短时降级。
重建场景很常见:编码规则改了(以前没把时间戳编进 score)、历史数据补录、榜单被误删。重建的原则是旁路写新 key,写满后原子切换:
# 1. 业务侧把重建结果写进临时 key,不阻塞线上读
ZADD rank:total:rebuild 3200002100000 u:1001
# 2. 校验成员数与 Top N 是否与预期一致
ZCARD rank:total:rebuild
# 3. 原子切换:旧榜留作回滚,新榜顶替线上 key
RENAME rank:total rank:total:bak
RENAME rank:total:rebuild rank:total
RENAME 在同一个 key slot 内是 O(1),百万成员也不会卡住主线程;跨 slot 会直接报 CROSSSLOT,Cluster 下要保证两个 key 名带相同的 hash tag,例如 rank:{total}:bak。切换之后旧榜不要急着删,留半小时观察,异常时再 RENAME 回去。
展示层的缓存要与榜单更新节奏对齐。Top 100 通常是全站最高频的接口,可以用本地缓存(Caffeine)挡 1~3 秒的重复请求:榜单本身更新延迟几秒对用户无感,但 QPS 能降一个数量级。缓存 key 里带上榜单版本号或日期(rank:top100:20261025),跨天自然失效,不用维护主动清理逻辑。用户自己的名次不建议缓存,因为「我排第几」是最敏感的数据,刷新后必须立刻变化。
降级策略按重要性排:Redis 读超时先返回上一次的 Top N 快照(哪怕过期几分钟),再退一步返回「榜单维护中」的静态页。最差的做法是把请求打到 MySQL 的 ORDER BY score LIMIT 100,百万行排序在高峰期会直接把数据库拖垮。
六、内存与容量估算
ZSet 每个成员由跳表节点、哈希表项和 member 字符串共同承担,十几个字节的用户 ID 实测每个约 100 字节出头。百万成员的榜单大约 100–150 MB,千万成员就要按 GB 计,要么按维度拆分(大区榜、城市榜),要么把展示范围限制在 Top N 加「我的名次」,大量长尾成员不进 Redis,在查询时从数据库现算。
常见坑 / 最佳实践
- score 编码超精度。 double 只有 53 位尾数,业务分 × 10^10 后控制在 9 × 10^15 以内,否则时间差被舍入,同分排序失效。
- 重复上报必须用
ZADD GT。 客户端重试、定时任务重复推送会把分数刷低,榜单出现「分数倒退」。 - 榜单 key 忘设 TTL。 日榜不清理,一年 365 个百万成员的 key,内存悄悄翻倍。
ZREVRANK对未上榜成员返回 null。 前端要区分「第 0 名」和「未上榜」,否则会把未上榜用户显示成第 1 名。- 重置大榜用
RENAME+UNLINK。 直接DEL百万成员的 key 会阻塞 Redis 数十毫秒到秒级。
小结
- 排行榜三个核心操作(加分、查名次、取 Top N)在 ZSet 上都是 O(log N) 命令,底层由跳表和哈希表双结构支撑。
- 同分排序把达成时间编码进 score 小数部分,注意 double 53 位尾数的精度上限。
- 重复上报用
ZADD GT幂等;「同分同名次」在展示层按整数分数归并。 - 日榜周榜按 key 拆分双写,赛季重置用
RENAME切换加UNLINK异步清理。 - 千万级成员先估算内存,长尾成员不进榜,用「Top N + 我的名次」裁剪查询范围。
- 点赞
- 收藏
- 关注作者
评论(0)