文章目录

    • 1. 分段bit位实现排序
    • 2. 除数实现排序（推荐）
    • 3. 基于分段bit为实现的redis排序工具类

一般我们都会用redis的Zset这个数据结构来做排行榜

问题引入：使用zSet进行排序的时候一直有一个痛点，就是只能根据score进行排序，现实业务一般有多个维度，例如score一样按照先达到的时间排序

这里有两种常用的方法，推荐使用第二种：

  • 参考雪花算法，用41位表示时间戳在低位，22位表示score在高位，这样当score相等时才会用时间戳比较，优点是可以拿到时间戳，缺点是22位只能存到417万，超出就需要压缩时间戳bit位了（本文中需要至少存到百亿，需要26个bit）；当然有更多的维度可以继续拆分bit位
  • 用时间戳当做被除数，然后用一个标准值（例如1000d）除，得到一个小数放到score的小数部分，这样的话也是时间戳越小的小数部分越大，同样满足需求。这样的好处是方便，坏处是因为浮点数会进度丢失拿不到时间戳了，并且并发情况下由于得到的浮点数会精度丢失会导致排序不稳定，出现错排的情况

1. 分段bit位实现排序

为了实现按照多个维度进行排序，特意封装此类，原理类似分布式ID雪花算法，即用一个long类型变量存储多个信息

  • 一个long类型长度为8个字节（64bit），雪花算法使用其中41bit记录时间戳，其余bit位存储机房id、机器id、序列号
  • Redis的ZSet支持分值为double类型，也是8字节，那么我们也可以使用41位存储时间戳，其他位存储用户的实际积分

这里我们也可以用41位来存储时间戳，用22位来存储score，1位符号位，为什么要用41位来存储时间戳呢？首先我们要明确时间戳的概念：

  • 时间戳是指格林威治时间1970年01月01日00时00分00秒（北京时间1970年01月01日08时00分00秒）起至现在的总秒数
  • 时间戳一般用10位和13位的，13位的时间戳，其精度是毫秒(ms)，10位的时间戳，其精度是秒(s)

我们来看一下这几个时间戳：

- 2022-12-04T23:59:59.000  ->  1670169599000- 2023-12-30T23:59:59.000  ->  1703951999000- 2030-12-30T23:59:59.000  ->  1924876799000

我们可以计算要存储13位的数字，其实最少需要40个bit位，再加上

核心代码如下

/*** 64bit全为1的数，用来做移位操作 **/  private static final long FACTORS = 0xFFFFFFFFFFFFFFFFL;// 高位存数字15 低位存数字14long score = 0L;score = (score | 15) << 41;// 低32位存14score = score | 14;// 取出低32位存的值System.out.println((int) ((FACTORS )  & score));// 取出高32位存的值System.out.println((int) (((FACTORS << 32) & score) >> 32));// 也可以这样 (long) score >>> 32

这样在高并发情况下也能保证排序稳定，位运算性能也比较高效，但是缺点就是在redis中我们看不到score，不方便校验数据，也不方便测试同学测试，这点可以看笔者的第二种方式后面写的

2. 除数实现排序（推荐）

这种方式排序并不稳定，特别是并发情况下及其不稳定

核心代码：

public void increaseRankNum(long uid, int ponit) {      long startTime = System.currentTimeMillis();      double baseScore = 1000000d;      double suffixScore = baseScore / startTime;      redisTemplate.opsForZSet().incrementScore(key, String.valueOf(uid), suffixScore + ponit);}

并发情况下不稳定：

但是笔者最后还是使用了这种方式，无他，测试同学给我打bug了，我跟他谈并发，他跟我讲业务

最后将被除数调整了一下，尽量让排序准确

其实真的好像测试同学说的对，其实这种方式也很好，难度较小，精度也还行，推荐使用这种

3. 基于分段bit为实现的redis排序工具类

import cn.hutool.core.collection.CollUtil;  import cn.hutool.core.date.SystemClock;  import com.google.common.collect.Maps;  import lombok.extern.slf4j.Slf4j;  import org.springframework.dao.DataAccessException;  import org.springframework.data.redis.core.RedisOperations;  import org.springframework.data.redis.core.RedisTemplate;  import org.springframework.data.redis.core.SessionCallback;  import org.springframework.data.redis.core.ZSetOperations;    import java.time.Instant;  import java.time.LocalDateTime;  import java.time.ZoneId;  import java.time.ZoneOffset;  import java.time.format.DateTimeFormatter;  import java.util.*;  import java.util.concurrent.atomic.AtomicInteger;    /**   * 排行榜相关   * 
   * 问题引入：使用zSet进行排序的时候一直有一个痛点，就是只能根据score进行排序，现实业务一般有多个维度，例如score一样按照先达到的时间排前面
   * 为了实现按照多个维度进行排序，特意封装此类，原理类似分布式ID雪花算法，即用一个long类型变量存储多个信息。
   * 一个long类型长度为8个字节（64bit），雪花算法使用其中41bit记录时间戳，其余bit位存储机房id、机器id、序列号。
   * Redis的ZSet支持分值为double类型，也是8字节，那么我们也可以使用41位存储时间戳，其他位存储用户的实际积分
   * 
   * 1. 如果是用41bit表示时间戳，22bit表示积分的话，那么score的组成就是这样的：
   * 0（最高位不用）| 0000000 00000000 0000000（22bit表示积分）| 000000000 00000000 00000000 00000000 00000000（41bit表示时间戳）
   * 因为排序首先按积分排再按时间排，所以积分在高位，时间戳在低位，这样不管时间戳的值是多少，积分越大，64bit表示的数值就越大   * 
   * 2. 当score相等时，时间戳越大表示的数值越大，我们想要的是先达到的数值越大（越靠前），我们可以用一个时间周期（比如一天）和用户达到的
   * score的时间进行做差，这样这个值会随着时间的推移而变小，而且不会出现负数的情况，刚好能够达到目的   * 
   * 3. 这里使用三个月作为时间周期，由于使用作差计算的方式，所以时间戳不会超过11位数字，只需要34bit，score部分可以使用29bit，能够存储到5亿3千万
   * 如果需要存储更大的值，可以用一个月作为时间周期进行作差，这样只需要28bit，score部分能够存储到三百四十多亿的数字
   * 注意：时间周期一定不能超过当前时间往后推三个月，否则时间戳会溢出，导致排序出错   * 
   * 4. 如果得分不超过四百一十万，建议使用41bit存储时间戳，需要将{@link RankOperator#LEFT}改为41   * 再将标准时间{@link RankOperator#STANDARD_DAY} 往后加50年即可，这样不会出现溢出的问题   *   * @author  xxx * @since 2022-12-02 16:29   **/@Slf4j  public class RankOperator {      protected final RedisTemplate<String, Object> redisTemplate;      /*** 并发情况下，需要精确到毫秒 **/      private static final DateTimeFormatter DEFAULT_FORMAT = DateTimeFormatter.ofPattern("yyyy-MM-dd'T'HH:mm:ss[.SSS]");      /*** 使用三个月作为标准时间进行作差，保证存储的时间戳在34位 **/      private static final LocalDateTime STANDARD_DAY = LocalDateTime.parse("2023-03-05T23:59:59.000", DEFAULT_FORMAT);      /*** 2099年某一天的时间戳，用来做减法 **/      private static final long PERIOD_END_TIME_STAMP = getTimestampOfDateTime(STANDARD_DAY);      /*** 64bit全为1的数，用来做移位操作 **/      private static final long FACTORS = 0xFFFFFFFFFFFFFFFFL;      /*** 左移位数，表示用多少位存储时间戳，如果用34位存，用来作差的时间不能高于三个月 **/      private static final int LEFT = 34;      private static final int RIGHT = 64 - LEFT;        /**       * 子类初始化时 赋值泛型       *       * @param redisTemplate redisTemplate       */    protected RankOperator(RedisTemplate<String, Object> redisTemplate) {          this.redisTemplate = redisTemplate;      }        /**       * 实现积分 + 时间戳差值转score       *     * @param point 用户的得分，由于只有22个bit位，所以point不能超过2^22 - 1（4,194,303 四百一十万），如果超过可以压缩时间戳bit位       * @return 返回计算后的score       */    protected long toScore(int point) {          long score = 0L;          score = (score | point) << LEFT;          score = score | (PERIOD_END_TIME_STAMP - SystemClock.now());          return score;      }        /**       * 拿到高位的值（从score中获得积分）       *       * @param score 在redis中实际保存的score       * @return 返回用户的积分       */      protected int getPoint(long score) {          return (int) (score >>> LEFT);      }        /**       * 拿到用户的真实得分       */      public int getPointByUserId(String redisKey, long userId) {          Long score = Optional.ofNullable(redisTemplate.opsForZSet().score(redisKey, String.valueOf(userId)))                  .map(Double::longValue).orElse(0L);          return getPoint(score);      }        /**       * 获取用户得到此得分的最新时间       */      public LocalDateTime getDateByUserId(String redisKey, long userId) {          Long score = Optional.ofNullable(redisTemplate.opsForZSet().score(redisKey, String.valueOf(userId)))                  .map(Double::longValue).orElse(0L);          return getDate(getTimeStamp(score));      }        /**       * 拿到用户的排名，按照score降序，score相等先达到的排前面       */      public Long getRankByUserId(String redisKey, long userId) {          return Optional.ofNullable(redisTemplate.opsForZSet().reverseRank(redisKey, String.valueOf(userId)))                  .map(e -> e + 1).orElse(-1L);      }        /**       * 拿到低位的值（投票的时间戳），这里注意需要使用无符号右移 `>>>`       *     * @param score 在redis中实际保存的score       * @return 投票的时间戳       */      protected long getTimeStamp(long score) {          return PERIOD_END_TIME_STAMP - ((FACTORS >>> RIGHT) & score);      }        /**       * 获得用户最新一次投票达到分数的时间       *       * @param score 在redis中实际保存的score       * @return 用户最新一次投票达到分数的时间       */      protected LocalDateTime getDate(long score) {          long milli = getTimeStamp(score);          return LocalDateTime.ofInstant(Instant.ofEpochMilli(milli), ZoneOffset.of("+8"));      }          /**       * 拿到用户的得分，如果用户不存在则返回0       */    protected int getScore(Long userId, String randKey) {          ZSetOperations<String, Object> zSetOperations = redisTemplate.opsForZSet();          return Optional.ofNullable(zSetOperations.score(randKey, String.valueOf(userId)))                  .map(Double::intValue).orElse(0);      }          /**       * 更新用户的排名       * 
       * 这里先读再写的操作并不是原子的，并发情况下多个请求同时读到同一个值再进行更改，会导致写操作丢失的情况       * 1. 可以使用分布式锁解决，但是性能低下
       * 2. 基于`Multi、Exec、discard、watch` 实现乐观锁解决（CAS）       *       * @param accountId 用户账号       * @param addPoint  增加的分数       * @param redisKey  用来标记是那个排行榜       */      protected void updateRanking(Long accountId, Integer addPoint, String redisKey) {          // 开启事物          redisTemplate.setEnableTransactionSupport(true);          redisTemplate.execute(new SessionCallback<String>() {              @Override              @SuppressWarnings("all")              public <K, V> String execute(RedisOperations<K, V> redisOperations) throws DataAccessException {                  // 用来保存每次用户cas后的值，如果和期望的不一样，则进行自旋重试                  List<Object> result = null;                  // 自旋15次，如果自旋15次还是失败，则抛出异常并提示用户投票失败，防止空自旋导致CPU占用过高                  AtomicInteger atomicInteger = new AtomicInteger(15);                  do {                      // 监视数据，如果其他线程修改会中断执行                      redisOperations.watch((K) redisKey);                      ZSetOperations zSet = redisOperations.opsForZSet();                      // 获取用户的得分，这里可能会脏读                      Double score = zSet.score(redisKey, String.valueOf(accountId));                      score = (score == null) ? 0d : score;                      int curPoint = getPoint(score.longValue());                      long newScore = toScore(curPoint + addPoint);                      // 开始事务                      redisOperations.multi();                      zSet.add(redisKey, String.valueOf(accountId), newScore);                      try {                          // 提交事务                          result = redisOperations.exec();                      } catch (Exception e) {                          // 如果key被改变,提交事务时这里会报异常，自旋进行下一次修改                          // noting to do ...                      } finally {                          if (atomicInteger.decrementAndGet() < 0) {                              throw new RuntimeException("投票失败，请联系客服");                          }                      }                } while (result == null);                  return null;            }          });      }          /**       * 弹出榜单前多少的用户，默认按照score降序 score相等时先达到时间的排在前面       *       * @param rankNum 多少用户       * @return 返回用户userId的集合       */      protected LinkedHashMap<Long, Integer> popTop(Integer rankNum, String rankKey) {          return rank(rankNum, rankKey);      }        /**       * 弹出榜单前多少的用户       *       * @param rankNum 多少用户       * @param rankKey zSet的redis key       * @return key -> userId  value -> score，这里的score是用户的真实分数       */      protected LinkedHashMap<Long, Integer> rank(Integer rankNum, String rankKey) {          ZSetOperations<String, Object> zSetOperations = redisTemplate.opsForZSet();          Set<ZSetOperations.TypedTuple<Object>> typedTuples = zSetOperations.reverseRangeWithScores(rankKey, 0, rankNum - 1L);          if (typedTuples == null || CollUtil.isEmpty(typedTuples)) {              return Maps.newLinkedHashMapWithExpectedSize(0);          }          //  userId   score          LinkedHashMap<Long, Integer> linkedHashMap = new LinkedHashMap<>(typedTuples.size());          typedTuples.forEach(typedTuple -> {              long userId = Long.parseLong(String.valueOf(typedTuple.getValue()));              // 用户的真实得分              int point = getPoint(Objects.requireNonNull(typedTuple.getScore()).longValue());              linkedHashMap.put(userId, point);          });          return linkedHashMap;      }        /**       * 获取一个标准时间字符串转换的时间戳       *       * @param strDate 例如：2030-12-30T23:59:59.000  2022-12-04T23:59:59       * @return 时间戳       */      private static long getTimeStamp(String strDate) {          DateTimeFormatter formatter = DateTimeFormatter.ofPattern(strDate);          LocalDateTime date = LocalDateTime.parse(strDate, formatter);          return getTimestampOfDateTime(date);      }          private static long getTimestampOfDateTime(LocalDateTime localDateTime) {          ZoneId zone = ZoneId.systemDefault();          Instant instant = localDateTime.atZone(zone).toInstant();          return instant.toEpochMilli();      }    }