redis 用来实现排行榜的功能
- 简单的用 Redis的 zset 数据结构来 实现。
@Test
@DisplayName("实现一个简单的排行榜")
public void zSetRankingTest() {
ZSetOperations<String, String> zSetOperations = redisTemplate.opsForZSet();
// 添加假数据到排行榜
zSetOperations.add("ranking", "张三", 1500);
zSetOperations.add("ranking", "李四", 2000);
zSetOperations.add("ranking", "王五", 1800);
zSetOperations.add("ranking", "赵六", 1700);
zSetOperations.add("ranking", "钱吧", 2200);
// 获取排行榜前3名
Set<ZSetOperations.TypedTuple<String>> top3 = zSetOperations.reverseRangeWithScores("ranking", 0, 2);
//打印前三名的数据
System.out.println("Top 3 Players:");
for (ZSetOperations.TypedTuple<String> tuple : top3) {
System.out.println(tuple.getValue() + ": " + tuple.getScore());
}
// 获取排行榜最后3名
Set<ZSetOperations.TypedTuple<String>> bottom3 = zSetOperations.rangeWithScores("ranking", 0, 2);
//打印后三名的数据
System.out.println("Bottom 3 Players:");
for (ZSetOperations.TypedTuple<String> tuple : bottom3) {
System.out.println(tuple.getValue() + ": " + tuple.getScore());
}
// 获取某个玩家的排名
Long playerRank = zSetOperations.reverseRank("ranking", "李四");
System.out.println("Player3 Rank: " + (playerRank != null ? playerRank + 1 : "Not found"));
// 获取排行榜的总人数
Long totalPlayers = zSetOperations.size("ranking");
System.out.println("Total Players: " + totalPlayers);
}
1. 数据采集层
2. 热度计算层
3. 存储层
4. 排行榜服务层
5. API接口层
实时统计关键词的频率，可能需要用哈希表来记录每个关键词的计数。然后排行榜需要实时更新，所以每次有新的搜索或点击事件时，都要更新计数，并且重新排序。不过，如果每次事件都排序整个列表，效率可能不高，特别是数据量大的时候。所以可能需要一个高效的数据结构，比如优先队列（堆），或者定时分批处理。
然后是热度计算。单纯计数可能不够，微博的热搜可能结合了点击量、转发量、评论量，还有时间因素。比如使用衰减函数，让旧的数据权重逐渐降低。或者采用窗口机制，比如统计最近一小时的量。这时候可能需要滑动窗口算法，或者使用时间分片来记录每个时间段的数据，汇总时再合并。
存储方面，如果数据量很大，内存数据库比如Redis可能更合适，因为它支持高效的数据结构和持久化。比如Redis的有序集合（Sorted Set）可以自动排序，非常适合排行榜功能。不过用户要求用Java实现，可能需要考虑是否引入外部存储，或者先用内存处理，后面再考虑扩展。
接着是架构设计。可能需要一个消息队列来处理高并发的事件，比如用户的搜索、点击等行为先发送到消息队列，然后由消费者处理，更新关键词的热度。这样可以解耦，提高系统的吞吐量。Java中可以用Kafka或者RabbitMQ，或者Java自带的BlockingQueue作为简单的队列。
热度计算模块需要接收事件，更新对应的关键词计数。这里要注意线程安全，因为可能有多个事件同时触发更新。可以用ConcurrentHashMap来存储关键词和对应的计数器，或者使用原子类比如AtomicInteger来保证原子性。
排行榜生成模块需要定期（比如每分钟）从存储中取出数据，按热度排序，生成TopN的列表。如果使用堆结构，维护一个大小为N的小根堆，可以高效地维护前N个元素。但要注意，当数据量大时，频繁排序可能影响性能，可以考虑每隔一定时间异步生成排行榜，或者使用缓存。