Redis 4.0.8中如何按UserAge筛选并按LastUpdate排序PostList Zset？

首先得明确你当前遇到的核心问题：你的PostList有序集合是用UserAge作为score的，所以zrevrangebyscore只能按照UserAge的顺序返回结果（当年龄相同时，Redis会按member的字典序排序，这就是你看到"录入顺序"的原因），没法直接按照LastUpdate排序。

要实现筛选15~18岁帖子 + 按LastUpdate排序 + 分页，有两种比较实用的方案，我分别给你拆解清楚：

方案一：用Lua脚本（无需额外维护数据，适合中小数据量） #

Redis支持在服务器端执行Lua脚本，能原子性地完成"筛选→取排序字段→排序→分页"的全流程，不需要修改你现有的数据结构。

具体脚本代码 #

-- 1. 从PostList中筛选UserAge在15~18之间的所有帖子ID
local post_ids = redis.call('zrangebyscore', 'PostList', 15, 18)
local post_with_update = {}

-- 2. 遍历每个帖子ID，从哈希结构中取出LastUpdate字段
for _, post_id in ipairs(post_ids) do
    local last_update = redis.call('hget', post_id, 'LastUpdate')
    -- 把LastUpdate转成数字类型，方便后续排序
    table.insert(post_with_update, {tonumber(last_update), post_id})
end

-- 3. 按LastUpdate倒序排序（最新的帖子在前）
table.sort(post_with_update, function(a, b)
    return a[1] > b[1]
end)

-- 4. 处理分页：偏移量0，限制20条（Lua是1索引，所以要转换下）
local result = {}
local start_idx = 0 + 1
local end_idx = math.min(start_idx + 20 - 1, #post_with_update)
for i = start_idx, end_idx do
    table.insert(result, post_with_update[i][2])
end

return result

执行方式 #

把上面的脚本复制到EVAL命令中执行：

EVAL "这里粘贴Lua脚本内容" 0

注意事项 #

如果符合年龄条件的帖子数量非常多（比如上万条），遍历所有帖子会占用较多服务器资源，这时候建议用下面的方案。

方案二：维护额外有序集合（性能更优，适合大数据量） #

这种方法需要你额外维护一个按LastUpdate排序的有序集合，每次帖子的LastUpdate字段更新时，同步更新这个集合，这样查询时可以利用Redis的集合交集操作快速得到排序结果。

步骤1：初始化并维护新的有序集合 #

创建一个名为PostByLastUpdate的有序集合，其中score是LastUpdate的数值（比如你用的201804260000这种格式可以直接转成数字），member是Post:PostUID。

• 新增帖子时：

zadd PostByLastUpdate <LastUpdate数值> Post:<PostUID>

• 更新帖子的LastUpdate时：

zadd PostByLastUpdate <新的LastUpdate数值> Post:<PostUID>

步骤2：查询流程 #

1. 先把符合年龄条件的帖子ID存入临时集合：

zrangebyscore PostList 15 18 | xargs zadd TempPostIds 0

2. 计算两个集合的交集，保留PostByLastUpdate的score用于排序：

zinterstore TempSortedPosts 2 TempPostIds PostByLastUpdate WEIGHTS 0 1 AGGREGATE MAX

3. 按LastUpdate倒序取前20条：

zrevrange TempSortedPosts 0 19

4. 清理临时集合（避免占用内存）：

del TempPostIds TempSortedPosts

优缺点 #

• 优点：查询性能远高于Lua脚本，适合数据量大的场景；
• 缺点：需要额外的写入开销，每次更新LastUpdate都要同步操作PostByLastUpdate集合。

总结 #

如果你的帖子数量不大，优先用Lua脚本，不用改现有结构，实现简单；如果数据量较大且对查询性能要求高，就选择维护额外有序集合的方案。

内容的提问来源于stack exchange，提问作者Adam