基于redis实现世界杯排行榜功能项目实战

题外话:

小编先给大家推荐一个不错的微信公众号:

感兴趣的朋友可以关注小编的微信公众号【码农那点事儿】,更多网页制作特效源码及学习干货哦!!!

需求

前段时间,做了一个世界杯竞猜积分排行榜。对世界杯64场球赛胜负平进行猜测,猜对+1分,错误+0分,一人一场只能猜一次。

1.展示前一百名列表。

2.展示个人排名(如:张三,您当前的排名106579)。

分析

一开始打算直接使用mysql数据库来做,遇到一个问题,每个人的分数都会变化,如何能够获取到个人的排名呢?数据库可以通过分数进行row_num排序,但是这个方法需要进行全表扫描,当参与的人数达到10000的时候查询就非常慢了。

redis的排行榜功能就完美锲合了这个需求。来看看我是怎么实现的吧。

实现

一.redis sorts sets简介

Sorted Sets数据类型就像是set和hash的混合。与sets一样,Sorted Sets是唯一的,不重复的字符串组成。可以说Sorted Sets也是Sets的一种。

Sorted Sets是通过Skip List(跳跃表)和hash Table(哈希表)的双端口数据结构实现的,因此每次添加元素时,Redis都会执行O(log(N))操作。所以当我们要求排序的时候,Redis根本不需要做任何工作了,早已经全部排好序了。元素的分数可以随时更新。

二.springboot 中使用RedisTemplate

本文主要通过redisTemplate来操作redis,当然也可以使用redis-client,看个人喜好.

我在本机开启了一个单点的redis,配置文件如下

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

Maven依赖引入如下

<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.代码实现

1.注入redis,将key声明为常量SCORE_RANK

 @Autowired
 private StringRedisTemplate redisTemplate;
 public static final String SCORE_RANK = "score_rank";

2.新增默认排行数据

这里使用for循环创建集合,再使用批量新增10万条数据

 /**
 * 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<>("张三" + i, 1D + i);
 tuples.add(tuple);
 }
 System.out.println("循环时间:" +( System.currentTimeMillis() - start));
 Long num = redisTemplate.opsForZSet().add(SCORE_RANK, tuples);
 System.out.println("批量新增时间:" +(System.currentTimeMillis() - start));
 System.out.println("受影响行数:" + num);
 }

//输出
循环时间:56
批量新增时间:1015
受影响行数:100000

3.获取前10名(根据分数倒序)

提供了两种获取方法,返回值一个带有score,一个没有

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

 Set<String> range = redisTemplate.opsForZSet().reverseRange(SCORE_RANK, 0, 10);
 System.out.println("获取到的排行列表:" + JSON.toJSONString(range));
 Set<ZSetOperations.TypedTuple<String>> rangeWithScores = redisTemplate.opsForZSet().reverseRangeWithScores(SCORE_RANK, 0, 10);
 System.out.println("获取到的排行和分数列表:" + JSON.toJSONString(rangeWithScores));
 }
//输出
获取到的排行列表:["张三99999","张三99998","张三99997","张三99996","张三99995","张三99994","张三99993","张三99992","张三99991","张三99990","张三99989"]
获取到的排行和分数列表:[{"score":100000.0,"value":"张三99999"},{"score":99999.0,"value":"张三99998"},{"score":99998.0,"value":"张三99997"},{"score":99997.0,"value":"张三99996"},{"score":99996.0,"value":"张三99995"},{"score":99995.0,"value":"张三99994"},{"score":99994.0,"value":"张三99993"},{"score":99993.0,"value":"张三99992"},{"score":99992.0,"value":"张三99991"},{"score":99991.0,"value":"张三99990"},{"score":99990.0,"value":"张三99989"}]

4.新增李四的分数

将“李四”加入到排行榜中,redis会在插入的时候进行,在取出的时候就可以直接取出,不需要再做排序操作

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

5.获取李四单人的排行

 /**
 * 获取单个的排行
 */
 @Test
 public void find(){
 Long rankNum = redisTemplate.opsForZSet().reverseRank(SCORE_RANK, "李四");
 System.out.println("李四的个人排名:" + rankNum);

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

//输出
李四的个人排名:91101
李四的分数:8899.0

6.统计分数区间人数

redis还提供了统计分数区间的方法,如下

 /**
 * 统计两个分数之间的人数
 */
 @Test
 public void count(){
 Long count = redisTemplate.opsForZSet().count(SCORE_RANK, 8001, 9000);
 System.out.println("统计8001-9000之间的人数:" + count);
 }

//输出
统计8001-9000之间的人数:1001

 7.获取集合的基数(数量大小)

 /**
 * 获取整个集合的基数(数量大小)
 */
 @Test
 public void zCard(){
 Long aLong = redisTemplate.opsForZSet().zCard(SCORE_RANK);
 System.out.println("集合的基数为:" + aLong);
 }

//输出
集合的基数为:100001

 8.使用加法操作分数

这个方法是直接在原有的score上使用加法;如果没有这个元素,则会创建,并且score初始为0.再使用加法

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

//输出
李四分数+1000后:9899.0

四.归纳

在以上测试类中我们使用了redis的那些功能呢?在以上的例子中我们使用了单个新增,批量新增,获取前十,获取单人排名这些操作,但是redisTemplate还提供了更多的方法。

新增or更新

有三种方式,一种是单个,一种是批量,对分数使用加法(如果不存在,则从0开始加)。

//单个新增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);
//使用加法操作分数
Double incrementScore(K key, V value, double delta);

删除

 删除提供了三种方式:通过key/values删除,通过排名区间删除,通过分数区间删除。

//通过key/value删除
Long remove(K key, Object... values);
//通过排名区间删除
Long removeRange(K key, long start, long end);
//通过分数区间删除
Long removeRangeByScore(K key, double min, double max);

1.列表查询:

分为两大类,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

//通过排名区间获取列表值集合
Set<V> range(K key, long start, long end);
//通过排名区间获取列表值和分数集合
Set<TypedTuple<V>> rangeWithScores(K key, long start, long end);
//通过分数区间获取列表值集合
Set<V> rangeByScore(K key, double min, double max);
//通过分数区间获取列表值和分数集合
Set<TypedTuple<V>> rangeByScoreWithScores(K key, double min, double max);
//通过Range对象删选再获取集合排行
Set<V> rangeByLex(K key, Range range);
//通过Range对象删选再获取limit数量的集合排行
Set<V> rangeByLex(K key, Range range, Limit limit);

2.单人查询

可获取单人排行,和通过key/value获取分数。以下只列表正序的,逆序的只需在方法前加上reverse即可

//获取个人排行
Long rank(K key, Object o);
//获取个人分数
Double score(K key, Object o);

统计

统计分数区间的人数,统计集合基数。

//统计分数区间的人数
Long count(K key, double min, double max);
//统计集合基数
Long zCard(K key);

结语

本篇文章到此结束,如果您有相关技术方面疑问可以联系我们技术人员远程解决,感谢大家支持本站!

在这里我使用redis来实现了世界杯积分排行的展示,无论是在批量更新或是获取个人排行等方便,都有着很高效率,也降低了对数据库操作的压力,达到了很好的效果。


数据运维技术 » 基于redis实现世界杯排行榜功能项目实战