排行榜的 5 种方案！

正文

请到「今天看啥」查看全文

@Scheduled(fixedRate = 60000) // 每分钟执行一次
public void updateRankingCache() {
    List rankings = userScoreDao.getTop1000Scores();
    redisTemplate.opsForValue().set("ranking_list", rankings);
}

public List getRankingList() {
    return (List) redisTemplate.opsForValue().get("ranking_list");
}

优点 ：

• 减轻数据库压力
• 查询速度快（O(1)）
• 实现相对简单

缺点 ：

• 数据有延迟（取决于定时任务频率）
• 内存占用较高
• 排行榜更新不及时

架构图如下 ：

方案三：Redis有序集合

适用场景 ：数据量大（百万级），需要实时更新

Redis的有序集合(Sorted Set)是实现排行榜的利器。

示例代码如下：

public void addUserScore(String userId, double score) {
    redisTemplate.opsForZSet().add("ranking", userId, score);
}

public List getTopUsers(int topN) {
    return redisTemplate.opsForZSet().reverseRange("ranking", 0, topN - 1);
}

public Long getUserRank(String userId) {
    return redisTemplate.opsForZSet().reverseRank("ranking", userId) + 1;
}

优点 ：

• 高性能（O(log(N))时间复杂度）
• 支持实时更新
• 天然支持分页
• 可以获取用户排名

缺点 ：

• 单机Redis内存有限
• 需要考虑Redis持久化
• 分布式环境下需要额外处理

架构图如下 ：

方案四：分片+Redis集群

适用场景 ：超大规模数据（千万级以上），高并发场景

当单机Redis无法满足需求时，可以采用分片方案。

示例代码如下：

// 
public void addUserScore(String userId, double score) {
    RScoredSortedSet set = redisson.getScoredSortedSet("ranking:" + getShard(userId));
    set.add(score, userId);
}

private String getShard(String userId) {
    // 简单哈希分片
    int shard = Math.abs(userId.hashCode()) % 16;
    return "shard_" + shard;
}

在这里我们以Redisson客户端为例。

优点

请到「今天看啥」查看全文