Redis實現排行榜功能(實戰)

轉載請註明出處：https://blog.csdn.net/m0_37459380/article/details/82971525

需求

前段時間，做了一個世界盃競猜積分排行榜。對世界盃64場球賽勝負平進行猜測，猜對+1分，錯誤+0分，一人一場只能猜一次。
1.展示前一百名列表。
2.展示個人排名(如：張三，您當前的排名106579)。

分析

一開始打算直接使用mysql數據庫來做，遇到一個問題，每個人的分數都會變化,如何能夠獲取到個人的排名呢？數據庫可以通過分數進行row_num排序，但是這個方法需要進行全表掃描，當參與的人數達到10000的時候查詢就非常慢了。
redis的排行榜功能就完美鍥合了這個需求。來看看我是怎麼實現的吧。

實現

一.redis sorts sets簡介

Sorted Sets數據類型就像是set和hash的混合。與sets一樣，Sorted Sets是唯一的，不重複的字符串組成。可以說Sorted Sets也是Sets的一種。

Sorted Sets是通過Skip List(跳躍表)和hash Table(哈希表)的雙端口數據結構實現的，因此每次添加元素時，Redis都會執行O(log(N))操作。所以當我們要求排序的時候，Redis根本不需要做任何工作了，早已經全部排好序了。元素的分數可以隨時更新。

二.springboot 中使用RedisTemplate

本文主要通過redisTemplate來操作redis,當然也可以使用redis-client,看個人喜好.

我在本機開啓了一個單點的redis，配置文件如下

server:
  port: 9001
spring:
  redis:
    database: 0
    url: redis://user:[email protected]:6379
    host: 127.0.0.1
    password: 123
    port: 6379
    ssl: false
    timeout: 5000

Maven依賴引入如下

<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>2.0.4.RELEASE</version>
</parent>

<dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
        </dependency>
</dependencies>

三.代碼實現

1.注入redis，將key聲明爲常量SCORE_RANK

    @Autowired
    private StringRedisTemplate redisTemplate;

    public static final String SCORE_RANK = "score_rank";

2.新增默認排行數據

    /**
     * 批量新增
     */
    @Test
    public void batchAdd() {
        Set<ZSetOperations.TypedTuple<String>> tuples = new HashSet<>();
        long start = System.currentTimeMillis();
        for (int i = 0; i < 100000; i++) {
            DefaultTypedTuple<String> tuple = new DefaultTypedTuple<>("張三" + i, 1D + i);
            tuples.add(tuple);
        }
        System.out.println("循環時間:" +( System.currentTimeMillis() - start));
        Long num = redisTemplate.opsForZSet().add(SCORE_RANK, tuples);
        System.out.println("批量新增時間:" +(System.currentTimeMillis() - start));
        System.out.println("受影響行數：" + num);
    }

//輸出
循環時間:56
批量新增時間:1015
受影響行數：100000

3.獲取前10名(根據分數倒序)

    /**
     * 獲取排行列表
     */
    @Test
    public void list() {

        Set<String> range = redisTemplate.opsForZSet().reverseRange(SCORE_RANK, 0, 10);
        System.out.println("獲取到的排行列表:" + JSON.toJSONString(range));
        Set<ZSetOperations.TypedTuple<String>> rangeWithScores = redisTemplate.opsForZSet().reverseRangeWithScores(SCORE_RANK, 0, 10);
        System.out.println("獲取到的排行和分數列表:" + JSON.toJSONString(rangeWithScores));
    }

//輸出
獲取到的排行列表:["張三99999","張三99998","張三99997","張三99996","張三99995","張三99994","張三99993","張三99992","張三99991","張三99990","張三99989"]
獲取到的排行和分數列表:[{"score":100000.0,"value":"張三99999"},{"score":99999.0,"value":"張三99998"},{"score":99998.0,"value":"張三99997"},{"score":99997.0,"value":"張三99996"},{"score":99996.0,"value":"張三99995"},{"score":99995.0,"value":"張三99994"},{"score":99994.0,"value":"張三99993"},{"score":99993.0,"value":"張三99992"},{"score":99992.0,"value":"張三99991"},{"score":99991.0,"value":"張三99990"},{"score":99990.0,"value":"張三99989"}]

4.新增李四的分數

    /**
     * 單個新增
     */
    @Test
    public void add() {
        redisTemplate.opsForZSet().add(SCORE_RANK, "李四", 8899);
    }

5.獲取李四單人的排行

    /**
     * 獲取單個的排行
     */
    @Test
    public void find(){
        Long rankNum = redisTemplate.opsForZSet().reverseRank(SCORE_RANK, "李四");
        System.out.println("李四的個人排名：" + rankNum);

        Double score = redisTemplate.opsForZSet().score(SCORE_RANK, "李四");
        System.out.println("李四的分數:" + score);
    }

//輸出
李四的個人排名：91101
李四的分數:8899.0

6.統計分數之間有多少人

    /**
     * 統計兩個分數之間的人數
     */
    @Test
    public void count(){
        Long count = redisTemplate.opsForZSet().count(SCORE_RANK, 8001, 9000);
        System.out.println("統計8001-9000之間的人數:" + count);
    }

//輸出
統計8001-9000之間的人數:1001

7.獲取集合的基數(數量大小)

    /**
     * 獲取整個集合的基數(數量大小)
     */
    @Test
    public void zCard(){
        Long aLong = redisTemplate.opsForZSet().zCard(SCORE_RANK);
        System.out.println("集合的基數爲：" + aLong);
    }

//輸出
集合的基數爲：100001

8.使用加法操作分數

    /**
     * 使用加法操作分數
     */
    @Test
    public void incrementScore(){
        Double score = redisTemplate.opsForZSet().incrementScore(SCORE_RANK, "李四", 1000);
        System.out.println("李四分數+1000後：" + score);
    }

//輸出
李四分數+1000後：9899.0

四.歸納

在以上測試類中我們使用了redis的那些功能呢？在以上的例子中我們使用了單個新增，批量新增，獲取前十，獲取單人排名這些操作，但是redisTemplate還提供了更多的方法。

新增or更新

有三種方式，一種是單個，一種是批量，對分數使用加法(如果不存在，則從0開始加)。

//單個新增or更新
Boolean add(K key, V value, double score);
//批量新增or更新
Long add(K key, Set<TypedTuple<V>> tuples);
//使用加法操作分數
Double incrementScore(K key, V value, double delta);

刪除

刪除提供了三種方式：通過key/values刪除，通過排名區間刪除，通過分數區間刪除。

//通過key/value刪除
Long remove(K key, Object... values);

//通過排名區間刪除
Long removeRange(K key, long start, long end);

//通過分數區間刪除
Long removeRangeByScore(K key, double min, double max);

查

1.列表查詢:分爲兩大類，正序和逆序。以下只列表正序的，逆序的只需在方法前加上reverse即可：

//通過排名區間獲取列表值集合

Set<V> range(K key, long start, long end);

//通過排名區間獲取列表值和分數集合
Set<TypedTuple<V>> rangeWithScores(K key, long start, long end);

//通過分數區間獲取列表值集合
Set<V> rangeByScore(K key, double min, double max);

//通過分數區間獲取列表值和分數集合
Set<TypedTuple<V>> rangeByScoreWithScores(K key, double min, double max);

//通過Range對象刪選再獲取集合排行
Set<V> rangeByLex(K key, Range range);

//通過Range對象刪選再獲取limit數量的集合排行
Set<V> rangeByLex(K key, Range range, Limit limit);

2.單人查詢

可獲取單人排行，和通過key/value獲取分數。以下只列表正序的，逆序的只需在方法前加上reverse即可：

//獲取個人排行
Long rank(K key, Object o);

//獲取個人分數
Double score(K key, Object o);

統計

統計分數區間的人數，統計集合基數。

//統計分數區間的人數
Long count(K key, double min, double max);

//統計集合基數
Long zCard(K key);

結語

以上就是redis中使用排行榜功能的一些例子，和對redis的操作方法了。redis不僅僅只是作爲緩存，它更是數據庫，提供了許多的功能，我們都可以好好的利用。

在這裏我使用redis來實現了世界盃積分排行的展示，無論是在批量更新或是獲取個人排行等方便，都有着很高效率，也降低了對數據庫操作的壓力，達到了很好的效果。

感謝您的閱讀，如果您覺得閱讀本文對您有幫助，請點一下“推薦”按鈕。本文歡迎各位轉載，但是轉載文章之後必須在文章開頭給出原文鏈接。