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

摘要：为了满足产品多变的需求，我们一并实现了小时榜日榜周榜月榜几种周期榜。因此，最直观的一个方案是首先记录每天的排行榜，那么第天的最近天榜，其中，表示第天的前天的日榜。关于内存容量限制的探讨基于实现的排行榜，每个元素约需要字节内存。

本文由云+社区发表

业务已基于Redis实现了一个高可用的排行榜服务，长期以来相安无事。有一天，产品说：我要一个按周排名的排行榜，以反映本周内用户的活跃情况。于是周榜（按周重置更新的榜单）诞生了。为了满足产品多变的需求，我们一并实现了小时榜、日榜、周榜、月榜几种周期榜。本以为可长治久安了，又有一天，产品体验业务后说：我想要一个最近7天榜，反映最近一段时间的用户活跃情况，不想让历史的高分用户长期占据榜首，可否？于是，滚动榜（最近N期榜）的需求诞生了。

周期榜实现还是很容易的，给每个周期算出一个序号，作为榜单名后缀，进入新的周期自然切换读写新榜单，平滑过度。以日榜为例，根据时间戳ts计算每日序号s=ts/86400，以日序号s作为后缀即可实现零点后自动读写新日榜。小时榜与此雷同，不再赘述。

对于周榜，可以选定某一个周一（或周日，看需求）的时间戳为基准，计算基准到当前经过的周数为周序号，以此作为榜单后缀。

对于月榜，稍有不同，因为月份天数不固定，所以不能按照上述方法计算。但我们可以根据时间戳取得年、月信息，以年月做标志（如201810）后缀，即可实现月榜。

滚动榜需要考虑多个周期榜数据的聚合与自动迭代更新，实现起来就没那么容易了。下面分析几个方案。

还以日榜为例，最近N天榜就是把前N-1天到当天的每一个日榜榜单累加即可，比如最近7天榜，就是前6天到当天的每一个日榜中相同元素数据累加。因此，最直观的一个方案是：首先记录每天的排行榜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。实现上，可以每日生成一个滚动榜S和当天日榜R，加分时同时写入S和R，每日零点后跑工具将前N-1天数据累加写入当日滚动榜S。

这个方案的优点是直观，实现简单。但缺点也很明显，一是每日一个滚动榜，消耗内存较多；二是数据更新不实时，需要等待离线作业完成累加后S中的数据才完全正确；三是时间复杂度高，7天榜还好，只需要读过去6天数据，如果是100天榜，该方案需要读过去99天榜，显然不可接受。

基于方案1，如果业务无需查询历史的S，可以只使用全局一个S，无需每日创建一个Si。加分操作还是同时加当日的Ri和全局唯一的S，但每日零点的离线作业改为从S中减去Ri−(N−1)的数据（即将最早一天的数据淘汰，从而实现S的计数滚动）。

此方案减少了内存使用，同时离线任务每次只需读取一个日榜做减法，时间复杂度为O(1)；但仍需要离线作业完成才能保证数据正确性，还是无法做到平滑过渡。

要做到每日零点后榜单实时生效，而不需要等待离线作业的完成，一种方案是预写未来的榜单。不难得出，当日分数会计入往后N-1天的滚动榜中。因此，可以写当天的滚动榜Si的同时，写往后N-1天的榜单Si+1到Si+N−1。

该方案不仅能脱离离线作业做到实时更新，且可以省略每天的日榜。但缺点也不难看出，对于7天滚动榜，每次写操作需要更新7个榜单，写入量小时还勉强能接受，如果写操作量大或者需要的是30天、60天滚动榜，此方案可行性几乎为零。

有不有办法做到既能实时更新，写榜数量也不随N的增加而增加呢？不难看出，第i天滚动榜Si=∑N−1n=0Ri−n，而第i+1天的滚动榜Si+1=∑N−1n=0R(i+1)−n=∑N−2n=0Ri−n+Ri+1。显然，Si+1=Si−Ri−(N−1)+Ri+1。由于Ri+1在刚达到零点时必然为空且可以在次日实时加到Si+1上，因此如果我们能提前准备好Si−Ri−(N−1)这部分数据，那么在零点进入i+1天后，Ri+1自然就是可用状态了。

以3天滚动榜为例，次日滚动榜初始态为当日滚动榜减去n-2天的日榜数据。
     +-------------------------------------------+
     |                                           |
+----+---+   +--------+   +--------+             |
|        |   |        |   |        |             |
| R(i-2) |   | R(i-1) |   |  R(i)  |             |
|        |   |        |   |        |             |
+----+---+   +----+---+   +---+----+             |
     |            |           |                  |
     |            |           |                  |
     |            |           |                  |
     |            |           v+                 v-
     |            |
     |            |    +  +--------+        +--------+
     |            +-----> |        |     +  |        |
     |                 +  |  S(i)  | +---+> | S(i+1) |
     +-----------------+> |        |        |        |
                          +--------+        +--------+

那么，如何提前准备好Si−Ri−(N−1)这部分数据呢？可以如下处理：

对一个元素加分时，加当日周期榜Ri、滚动榜Si；还需根据其在今日滚动榜中的分数s、及n-1天日榜中的分数r，计算出其在明日滚动榜中的初始分数s-r写入明日滚动榜中；即3个写操作；

如果一个元素在当日没有任何加分操作，那么不会触发写入初始分数操作，所以还需要一个离线工具补齐。与方案1、2不同的是，该离线工具可提前一天运行，即当日运行离线工具补齐次日的滚动榜数据即可。

简而言之：第一步是运行离线工具生成次日的滚动榜；第二步是在写操作时同时更新次日的滚动榜。

该方案也是每日一个滚动榜。相对方案3而言，是空间换时间。如果空间不足且无保留历史的需求，可在离线工具中清理历史数据。

                                +--------------+
                                |              |
                                |   AddScore   |
                                |              |
                                +-+----+-----+-+
                                  |    |     |
                                  v    |     |
+--------+   +--------+   +-------++   |     |
|        |   |        |   |        |   |     |
| R(i-2) |   | R(i-1) |   |  R(i)  |   |     |
|        |   |        |   |        |   |     |
+--------+   +--------+   +--------+   |     |
                                       |     v
                          +--------+   |    ++-------+
                          |        |   |    |        |
                          |  S(i)  +<--+    | S(i+1) |
                          |        |        |        |
                          +--------+        +----+---+
                                                 ^
                                                 |
                                                 |
                                          +------+-----+
                                          |            |
                                          |    Tool    |
                                          |            |
                                          +------------+

以下是实现参考。此处仅列出核心的lua脚本。Redis命令调用脚本的参数定义为：

eval script 4 当日日榜key 当日滚动榜key 即将淘汰的日榜key 明日滚动榜key 榜单元素名 加分数

lua脚本script如下：

--加今日日榜分数
redis.call("ZINCRBY", KEYS[1], ARGV[2], ARGV[1])

--加今日滚动榜分数
local rs = redis.call("ZINCRBY", KEYS[2], ARGV[2], ARGV[1])
local curRoundScore = 0
if (rs) then
    curRoundScore = tonumber(rs)
end

--取即将淘汰的日榜分数
rs = redis.call("ZSCORE", KEYS[3], ARGV[1])
local oldCycleScore = 0
if (rs) then
    oldCycleScore = tonumber(rs)
end

--计算次日滚动榜初始分数
local nextRoundScore = curRoundScore - oldCycleScore
if nextRoundScore < 0 then
    nextRoundScore = 0
end

--设置次日滚动榜分数
redis.call("ZADD", KEYS[4], nextRoundScore, ARGV[1])

--返回今日分数
rs = redis.call("ZREVRANK", KEYS[2], ARGV[1])
return {curRoundScore, rs}

关于榜单key计算准确度的探讨 我们的业务是在排行榜接入层逻辑中计算榜单后缀的，这种方案对逻辑层多台机器的时间一致性要求较高，如果逻辑层服务器时钟不一致，可能在时间切换点上出现不同机器读写不同榜单的问题。如果业务对时间精确度要求严格，可以考虑通过lua脚步在redis端计算后缀。

.

关于内存容量限制的探讨 基于ZSet实现的排行榜，每个元素约需要100字节内存。如果榜单长度为1000万，则每个榜单约需要1G内存。滚动榜的计算需要每日保留一个日榜，如果滚动周期较长，则可能单机内存容量不足以容纳所有需要的榜单。 考虑到历史日榜数据是不会变更的，因此不在lua脚本中读取历史日榜数据也无一致性问题。故可以将榜单打散到多个Redis实例，在接入层做逻辑读取历史日榜的分数，再以参数形式传入给lua脚本处理。

在榜单长度不大且并发量不高的场景下，使用关系数据库+Cache的方案实现排行榜有更高的灵活性。而在海量数据与高并发的场景下，Redis是一个更好的选择。本文基于Redis实现的滚动榜，不论滚动周期多长，都只需要常数（3）次数的写操作，有较好的性能和可扩展性。且通过离线+在线的双预生成机制，确保了榜单实时生效，可用性较强。

此文已由作者授权腾讯云+社区发布