如何用Redis实现基于Top N平均排名的玩家排行榜？

一、核心思路：增量更新而非全量计算 #

不需要每次有榜单变更就遍历所有玩家重新计算，只针对排名发生变化的玩家进行局部更新，大幅降低计算成本。

1. 维护玩家的实时排名缓存 #

为每个玩家创建一个Redis Hash结构，键名为player:rank:{uid}，字段对应10个榜单的标识（如board_1至board_10），值为该玩家在对应榜单的实时排名。

• 当某榜单（如board_x）发生变动时，仅更新该榜单中排名变化的玩家缓存：
  • 通过ZRANK或ZREVRANK获取玩家新排名（注意：Redis的排名从0开始，业务中若需从1开始，需加1转换）
  • 执行HSET player:rank:{uid} board_x {new_rank}完成缓存更新

2. 实时计算并更新平均排名 #

玩家的排名缓存更新后，立即计算其前5佳排名的平均值，并同步到总排名Sorted Set：

• 用Lua脚本封装全流程（减少网络往返开销），一次性完成「取缓存→筛选前5排名→计算平均→更新总榜单」：

-- 参数：玩家ID、榜单标识、新排名
local uid = ARGV[1]
local board_key = ARGV[2]
local new_rank = tonumber(ARGV[3])

-- 更新玩家排名缓存
local player_rank_hash = "player:rank:" .. uid
redis.call("HSET", player_rank_hash, board_key, new_rank)

-- 获取所有榜单排名并转数字数组
local raw_ranks = redis.call("HVALS", player_rank_hash)
local num_ranks = {}
for _, r in ipairs(raw_ranks) do
    table.insert(num_ranks, tonumber(r))
end

-- 排序取最小的5个排名（排名越靠前数值越小）
table.sort(num_ranks)
local top5_ranks = {}
for i = 1, math.min(5, #num_ranks) do
    table.insert(top5_ranks, num_ranks[i])
end

-- 计算平均排名（转整数存储避免浮点精度问题）
local total = 0
for _, r in ipairs(top5_ranks) do
    total = total + r
end
local avg_rank = total / #top5_ranks
local avg_rank_int = math.floor(avg_rank * 100) -- 放大100倍转整数

-- 更新总排名Sorted Set
redis.call("ZADD", "player:avg_rank", avg_rank_int, uid)

• 执行脚本时使用EVAL命令，传入对应参数即可，Lua脚本在Redis端原子执行，保证数据一致性。

3. 总排名查询 #

直接通过ZRANGE player:avg_rank 0 -1 WITHSCORES（升序，对应平均排名越靠前越优先）或ZREVRANGE获取最终的玩家排序结果。

二、场景化优化 #

• 批量更新场景：若存在每日结算等批量更新大量玩家的场景，可将待更新玩家ID推入Redis List队列，后台Worker进程批量执行Lua脚本处理，避免瞬时压力过大。
• 内存优化：对长期无排名变动的玩家，定期清理其Hash缓存及总榜单中的记录（可通过Redis过期键或定时任务实现）。
• 非实时场景：若业务对实时性要求不高，可采用异步更新策略，将榜单变动事件放入消息队列，后台异步计算平均排名并更新总榜单。

三、关键注意事项 #

• 排名转换：明确业务中排名的起始值（是从0还是1开始），避免计算错误。
• 精度处理：用整数存储平均排名（如放大100倍），规避Redis Sorted Set的浮点精度丢失问题。
• 原子性：必须通过Lua脚本保证「更新缓存→计算平均→更新总榜单」的原子性，避免数据不一致。

内容的提问来源于stack exchange，提问作者pilaoda