罗罗编程学习记录
本页内容 展开查看

09.7.1.4 计数与排行榜

所属:全栈开发面试题库 / 09 高阶架构:高并发与分布式 / 09.7 场景设计题 / 09.7.1 场景设计题

09.7.1.4-001 计数场景有哪些,读写特征是什么?

一句话结论

常见计数包括点赞、阅读、评论、收藏、关注、在线人数、播放量;特征是写多、单点计数更新频繁、读放大明显(列表页带出各条目计数);计数容忍短暂最终一致,但不能长期偏差;设计重点是承接高频自增、降低 DB 写压力、保证计数可对账补偿。

概念解释

  • 高频写:同一对象计数持续自增。
  • 读放大:一次列表请求读取多条目计数。
  • 一致性窗口:计数允许异步收敛。

原理流程

行为发生 → 计数累加(缓存/缓冲)→ 批量落库
  读取 → 缓存计数优先,DB 兜底/对账校正

代码或图示

计数类型:对象计数(条目数)、关系计数(粉丝/关注)、在线统计

常见误区

  • 误区:每次行为直接写数据库计数行。高频更新把 DB 行竞争打满,应缓存承接写入再批量落库。
  • 误区:计数必须强一致。大多数展示场景接受秒级最终一致,但要有对账补偿,不能只靠内存计数。

追问

  • 问:哪些计数要求更严格?答:资金类、库存类不算展示计数;粉丝数、点赞数可容忍短暂偏差。
  • 问:读放大怎么优化?答:列表批量取缓存计数,避免逐条回源 DB。

09.7.1.4-002 计数器存储怎么选型?

一句话结论

高频自增计数用 Redis 原子 INCR/DECR 承接,读取优先缓存;计数结果异步批量落数据库持久化;关系去重(是否点赞)用集合/布尔记录;离线统计可由数据仓库汇总;不同职责分开:缓存承接实时写,DB 负责持久化与对账,不把缓存当唯一持久副本。

概念解释

  • Redis:原子自增、高并发读。
  • DB:计数持久化、对账基准。
  • 去重集合:记录用户是否已作用户行为。

原理流程

INCR counter:{object}
  定时/缓冲批量同步到 DB 计数表
  去重:SISMEMBER 或 状态字段

代码或图示

职责划分:
  Redis = 实时计数与去重判断
  DB = 持久化计数与对账基准

常见误区

  • 误区:Redis 计数不用落库。缓存重启、淘汰、故障会丢失累计值,必须有持久化基准与补偿。
  • 误区:计数和去重存同一条记录。去重是布尔关系,计数是累加值,模型与清理策略不同。

追问

  • 问:计数表怎么设计?答:对象维度一行记录计数值,按对象 ID 分片,避免单行热点。
  • 问:在线人数放哪?答:可按连接网关计数汇总,Redis 集合/计数器维护,断连递减。

09.7.1.4-003 高频写计数怎么缓冲削峰?

一句话结论

应用本地或消息队列缓冲计数增量,按批次/周期合并写入 DB;Redis 先做实时原子累加,DB 记录批量同步的累计值;缓冲失败重试,缓冲期间计数以缓存为准;批量粒度平衡写入压力与一致性延迟,不能无限积压。

概念解释

  • 缓冲:本地累加或 MQ 暂存增量。
  • 批量合并:多条增量合并一次 DB 更新。
  • 实时层:Redis 立即反映最新计数。

原理流程(伪代码)

行为 → Redis INCR(实时)
  增量进入缓冲/MQ
  批量任务:按对象合并增量 → UPDATE 计数表
  失败重试,积压可见

代码或图示

同步方向:缓存实时 + DB 周期落库
  对账:DB 累计 vs Redis 持久前基线 + 增量

常见误区

  • 误区:本地缓冲不持久化。应用崩溃丢失缓冲增量,关键增量应入可靠队列或可恢复存储。
  • 误区:批量越大越好。批次过大积压延迟高,崩溃时丢失窗口大;按写入压力与可接受延迟平衡。

追问

  • 问:批量同步用什么方式?答:可按对象聚合增量后条件更新,或消息消费逐条落库;按 DB 承载能力选择。
  • 问:缓冲积压怎么监控?答:积压量、同步延迟、落库失败率,超阈值告警。

09.7.1.4-004 计数一致性怎么对账和补偿?

一句话结论

周期比对 DB 持久计数与 Redis 计数(结合落库基线与增量),差异分类为漏记、重复计、缓存丢失;以可靠行为流水为准修正计数;计数补偿幂等,避免重复累加;对账按对象分片抽样与全量结合,异常偏差告警。

概念解释

  • 对账基准:行为流水或 DB 累计值。
  • 差异类型:漏计、多计、缓存重置。
  • 补偿:按流水重算或修正计数。

原理流程

汇总 DB 计数 + 未落库增量 → 对比 Redis
  差异 → 查行为流水核实 → 修正计数
  补偿动作幂等,记录修正前后值

代码或图示

校验式(示意):Redis 值 ≈ DB 基线值 + 待落库增量

常见误区

  • 误区:只对比缓存和 DB 两个数。没有行为流水无法判断谁对,漏计还是重复需要流水佐证。
  • 误区:发现差异直接把缓存改成 DB 值。缓存可能包含未落库增量,盲目覆盖会少计。

追问

  • 问:计数被重置过怎么恢复?答:以行为流水区间重算累计值,重建缓存计数。
  • 问:重复计怎么识别?答:行为流水按去重键检查重复记录,对应计数回退多余增量。

09.7.1.4-005 排行榜用什么数据结构实现?

一句话结论

有序榜单用 Redis ZSet(Sorted Set):成员为对象 ID,分数为排序值;支持按分数区间取 Top N、查成员排名、分数更新;榜单数据量受控时适合实时榜;超大成员或复杂聚合场景配合离线计算生成榜单缓存。

概念解释

  • ZSet 成员:上榜对象。
  • 分数:热度/计数/时间衰减值。
  • 操作:加分、取区间、查排名、裁剪成员。

原理流程

ZADD rank:board member score
  ZREVRANGE 取 Top N
  ZRANK 查成员名次
  ZINCRBY 更新分数

代码或图示

实时榜:ZSet 直接维护
  复杂榜:离线计算结果写入 ZSet/缓存

常见误区

  • 误区:所有榜单都用 ZSet 实时维护。成员海量、分数计算复杂时实时 ZSet 成本高,应离线生成 + 缓存展示。
  • 误区:分数只存原始计数。热度榜常含时间衰减、加权规则,分数定义要明确。

追问

  • 问:ZSet 底层结构?答:跳表 + 哈希表,支持有序遍历与成员快速定位;细节以 Redis 版本文档为准。
  • 问:同分怎么排序?答:分数相同再按次级键(时间、ID)约定次序,避免名次不稳定。

09.7.1.4-006 榜单有哪些类型,分别怎么生成?

一句话结论

常见:实时榜(当前活跃/最新计数,在线维护)、周期榜(日/周/月,按周期窗口聚合)、总榜(累计历史)、范围榜(分类/地域);实时榜由行为流更新,周期榜按时间窗口聚合或离线计算,总榜持久累计;不同榜单的分数窗口与成员集合独立维护。

概念解释

  • 实时榜:当前状态排序。
  • 周期榜:窗口内行为聚合。
  • 总榜:历史累计。

原理流程

实时:行为 → 更新 ZSet 分数
  周期:窗口聚合(当日/当周)→ 生成榜单
  总榜:累计持久值 → 定期刷入榜单缓存

代码或图示

榜单 key 带周期:rank:daily:2026-11-19
  周期结束固化快照,窗口重新开始

常见误区

  • 误区:日榜和总榜用同一份实时计数。日榜只统计窗口内行为,总榜是累计,口径不能混用。
  • 误区:周期榜单随写随算。周榜/月榜聚合成本高,通常离线或定时生成,不逐条实时重算。

追问

  • 问:周期窗口怎么切?答:按业务时区与周期定义切分,跨日/跨周行为归入正确窗口。
  • 问:榜单快照要保留吗?答:周期结束结果固化存档,便于历史回看与对账。

09.7.1.4-007 ZSet 分数更新和名次查询怎么操作?

一句话结论

分数变化用 ZINCRBY 原子增减;新成员 ZADD 加入;取 Top N 用 ZREVRANGE 带分数;查成员名次 ZRANK/ZREVRANK;返回结果带分数与名次;高频更新集中在热点成员时注意单 key 竞争,榜单位列读取走缓存批量返回。

概念解释

  • 原子更新:增减分数不产生并发覆盖。
  • 区间读取:按名次段取成员。
  • 名次反查:成员 → 排名。

原理流程(命令示例)

ZINCRBY rank:board 1 member
ZREVRANGE rank:board 0 99 WITHSCORES
ZREVRANK rank:board member

代码或图示

返回:名次、成员 ID、分数
  分页:按名次区间 offset/limit 取段

常见误区

  • 误区:先查分数再计算后覆盖写回。并发下覆盖丢失增量,应用 ZINCRBY 原子增减。
  • 误区:每次读榜单都实时算名次。榜单内容缓存,名次查询按需计算或缓存成员排名。

追问

  • 问:命令版本行为有差异吗?答:ZSET 相关命令在不同 Redis 版本参数基本一致,复杂统计以所用版本官方文档为准。
  • 问:成员不在榜单怎么返回?答:名次返回空/未上榜,不编造排名。

09.7.1.4-008 榜单成员怎么裁剪,只保留 Top N?

一句话结论

实时榜单控制成员规模:只保留分数达到门槛或前 N 名的成员,超出尾部成员定期移除;周期榜成员集合有限;裁剪任务按榜单调度执行,避免 ZSet 无限增长占内存;被裁成员重新进入要分数达标后再加入。

概念解释

  • 容量控制:移除尾部低分成员。
  • 门槛:分数阈值或名次上限。
  • 周期裁剪:定时清理越界成员。

原理流程(伪代码)

定时:获取榜单成员数
  超过 N → 移除名次 N 之后的成员
  低分长尾成员按门槛淘汰

代码或图示

裁剪策略:保留 Top N,或分数 ≥ 阈值
  大榜分批处理,避免单次阻塞

常见误区

  • 误区:榜单成员只增不减。海量长尾成员让 ZSet 内存与遍历成本持续增长。
  • 误区:裁剪影响实时名次展示。移除的是未上榜长尾,Top N 展示不受影响。

追问

  • 问:被移除成员再次上榜?答:行为加分后重新 ZADD,按当前分数进入排序。
  • 问:裁剪频率怎么定?答:按榜单增长速度设定,避免频繁全量遍历。

09.7.1.4-009 热度分数怎么设计?

一句话结论

热度不是简单累计计数,可结合行为权重(点赞、评论、收藏不同权重)与时间衰减(新内容加分、旧内容降权);分数规则明确写入计算口径,周期重算;避免只按原始计数导致老内容长期霸榜;时间衰减函数参数按产品目标设定并可校准。

概念解释

  • 行为权重:不同行为不同分值。
  • 时间衰减:随时间降低历史热度。
  • 口径:分数公式与刷新周期固定可复算。

原理流程(示意公式)

score = Σ(行为类型 × 权重) × 时间衰减因子
  周期重算或事件触发更新

代码或图示

权重示例结构(数值按业务校准):
  阅读、点赞、评论、收藏各有权重
  衰减因子随发布时间递减

常见误区

  • 误区:阅读量直接当热度分。刷阅读、老内容积压都会扭曲排名,需要加权与衰减。
  • 误区:衰减参数不记录口径。榜单分数无法复算,争议时难以解释排名依据。

追问

  • 问:分数多久刷新?答:实时榜事件更新,周期榜定时聚合;刷新频率按榜单时效要求定。
  • 问:刷量怎么防护?答:异常行为权重降权、去重与风控识别,见计数去重题。

09.7.1.4-010 榜单分页和“我当前名次”怎么提供?

一句话结论

Top 列表按名次区间分页读取缓存片段;用户自身名次单独反查 ZRANK 并缓存;分页总人数/上榜门槛可独立缓存;避免为了一人名次遍历整榜;列表页批量取计数与榜单片段,减少多次往返。

概念解释

  • 分页:名次 offset/limit 取段。
  • 个人名次:成员反查排名。
  • 批量:列表聚合读取。

原理流程

榜单页:ZREVRANGE 分段取成员 + 批量取计数
  个人页:ZREVRANK 查名次 + 分数
  结果短期缓存,降低重复计算

代码或图示

分页参数:页码、页大小;名次从 0 或 1 起按约定返回

常见误区

  • 误区:前端要第几页就遍历到第几页。按区间取段,避免大偏移遍历成本。
  • 误区:个人名次每次实时反查整榜。热点用户名次可缓存,榜单更新时失效刷新。

追问

  • 问:大偏移分页怎么办?答:按名次游标分段,或限制翻页深度;深翻需求转搜索/筛选。
  • 问:名次缓存怎么更新?答:分数变更时失效对应成员名次缓存,不要长期过期不刷新。

09.7.1.4-011 榜单大 key 和热点怎么拆分?

一句话结论

单一大 ZSet 成员多、更新集中时形成大 key:可按分类/分片拆成多个子榜单,聚合时合并;热点成员更新单独隔离;读取分片合并 Top N;监控单个 key 大小、成员数与命令耗时;避免一个榜单 key 占用过多内存与单线程 CPU。

概念解释

  • 大 key:成员/体积过大的单个键。
  • 分片:按维度拆子榜单。
  • 聚合:多分片结果归并排序。

原理流程

大榜 → 按类别/范围分片 ZSet
  取 Top N → 各分片取段 → 内存归并
  热点成员更新走独立通道

代码或图示

拆分维度:分类、地域、时间段
  聚合结果可再缓存为合并榜片段

常见误区

  • 误区:所有内容进一个总榜 key。成员增长后内存与遍历成本集中,故障时影响面大。
  • 误区:分片后每次请求实时归并所有分片。可缓存合并后的榜单片段,降低读取成本。

追问

  • 问:怎么发现大 key?答:监控 key 大小、成员数、RT;定期扫描分析,按 Redis 版本提供的分析方式执行。
  • 问:拆分后一致性怎么保证?答:同一对象只进对应分片,聚合按统一分数口径合并。

09.7.1.4-012 离线榜单怎么生成和刷新?

一句话结论

周期榜、总榜由离线任务从行为流水/数仓聚合计算,结果写入榜单缓存或 ZSet;离线计算可重跑、可校验;实时榜只承接当前窗口;榜单刷新周期与时效要求匹配,离线结果带生成时间,过期前刷新;复杂榜单不靠在线逐条计算。

概念解释

  • 离线聚合:批量统计窗口行为。
  • 结果写入:榜单缓存/ZSet/快照。
  • 可重算:任务失败可按窗口重跑覆盖。

原理流程

周期触发 → 读取行为流水聚合
  计算分数与排名 → 写入榜单缓存
  记录生成时间,到期刷新

代码或图示

离线产出:榜单快照(名次、成员、分数、生成时间)
  在线读取快照,不实时重算全量排名

常见误区

  • 误区:离线榜单写一次就不管。源数据修正、补录行为后要能重跑刷新。
  • 误区:离线结果直接覆盖在线实时榜。两类榜单口径不同,应分别存储与展示。

追问

  • 问:离线任务失败怎么办?答:保留上一期榜单快照并告警,重跑成功后更新,不展示空榜。
  • 问:行为补录影响周期榜吗?答:按窗口重算受影响周期榜单并刷新。

09.7.1.4-013 怎么防止重复计数(重复点赞)?

一句话结论

去重记录用户与对象的行为关系:集合记录已作用户,或布尔状态字段;行为发生先判重,未作用户才计数并记录关系;取消行为逆向递减并移除去重记录;去重判断与计数在同一可补偿流程,并发下唯一约束兜底,避免重复点赞重复计。

概念解释

  • 关系去重:用户 × 对象唯一。
  • 正向/逆向:点赞加计数,取消减计数。
  • 并发兜底:唯一索引/集合原子操作。

原理流程(伪代码)

SADD:liked:object userId(返回 1 首次)
  首次 → INCR 计数
  已存在 → 不重复计
  取消 → SREM + DECR

代码或图示

去重键:对象维度集合 或 关系表唯一索引(user, object)

常见误区

  • 误区:只靠前端按钮置灰防重复。抓包重复提交仍会重复计,服务端判重必须有。
  • 误区:取消点赞不移除去重记录。状态残留会导致再次点赞被误判已赞,无法计数。

追问

  • 问:集合太大怎么办?答:按对象分片,或关系落库 + 缓存布尔;集合成员数纳入内存监控。
  • 问:并发首次点赞怎么防双计?答:SADD 原子返回值或 DB 唯一索引冲突识别重复。

09.7.1.4-014 分组和多维计数怎么聚合?

一句话结论

按维度(分类、地域、时间段)分别维护计数器,写入时按维度累加;聚合读取按维度批量取缓存计数;多维交叉统计成本高时由离线汇总;维度键设计避免组合爆炸,高频展示维度在线维护,长尾维度离线生成。

概念解释

  • 维度计数:对象归属的分类/分组。
  • 在线聚合:高频维度实时计数。
  • 离线汇总:长尾交叉统计批量计算。

原理流程

行为发生 → 主体计数 + 所属维度计数
  读取 → 批量取各维度缓存值
  交叉长尾 → 离线统计表

代码或图示

计数器键:count:{object}、count:category:{cat}
  维度组合按需维护,不盲目全组合

常见误区

  • 误区:所有维度组合都在线实时计数。维度交叉指数增长,写入与存储成本失控。
  • 误区:分组计数从明细实时汇总。高频分组应预聚合,明细汇总只用于离线校验。

追问

  • 问:维度变更怎么处理?答:对象改分类时同步修正新旧维度计数,或下次聚合刷新。
  • 问:聚合数据怎么校验?答:周期对比在线预聚合与明细汇总结果。

09.7.1.4-015 计数和榜单数据怎么保证可靠?

一句话结论

Redis 开启持久化与备份策略,计数有 DB 持久基准与行为流水可重算;榜单快照可离线重建;关键计数丢失后按流水补偿恢复;监控缓存命中率、计数偏差、榜单刷新时间;不把内存状态当作不可恢复的唯一数据源。

概念解释

  • 持久化:Redis 快照/日志与备份。
  • 可重建:流水重算计数、离线重生成榜单。
  • 备份恢复:故障后按基准与增量恢复。

原理流程

实时计数在 Redis → 周期落库基准
  行为流水留存可重算
  榜单离线快照可重建
  故障恢复:基准 + 增量补偿

代码或图示

恢复路径:DB 计数/流水 → 重建缓存计数
  离线任务 → 重生成榜单快照

常见误区

  • 误区:Redis 不做持久化也不备份。缓存清空后累计计数无法恢复,只能靠流水重算,窗口内数据可能丢失。
  • 误区:榜单丢失后在线逐条重算。大榜重算成本高,应保留离线产出快照与任务。

追问

  • 问:持久化策略怎么选?答:按性能与可接受丢失窗口权衡,具体配置以 Redis 版本文档为准,未实测标注待确认。
  • 问:计数恢复怎么避免重复加?答:以流水区间重算覆盖,而非在旧值上盲目追加。

09.7.1.4-016 计数与榜单容量怎么估算?

一句话结论

计数按 QPS 估算缓存写入与批量落库速率;榜单按上榜成员数 × 单成员大小估算 ZSet 内存;对象总数决定计数器键数量;内存与 DB 批量写入压力分别压测;峰值行为与榜单读取分别评估,预留冗余;不按单节点经验值外推整体规模。

概念解释(估算式)

计数写 QPS ≈ 行为峰值频率
  DB 写入量 = 批量合并后的落库速率
  榜单内存 ≈ 成员数 × (成员 ID + 分数) 占用
  计数器键数 ≈ 活跃对象数

原理流程

预估行为峰值 → 压测 Redis 与 DB 批量写入水位
  估算榜单成员与内存 → 规划分片与淘汰
  读取峰值 → 缓存片段与分页能力评估

代码或图示

容量链:行为写入 → 缓存计数 → 批量落库 → 榜单读取
  各层压测取 P99 水位,短板决定实例与分片数

常见误区

  • 误区:只估算写 QPS。榜单内存、键数量、读放大同样影响容量,需一起评估。
  • 误区:批量落库无限压低写入量。合并有延迟窗口,积压与 DB 水位要同时监控。

追问

  • 问:怎么压测计数场景?答:模拟高频自增、批量落库、列表读放大、榜单 Top N 读取与成员更新。
  • 问:内存超限怎么处理?答:裁剪长尾成员、分片、归档离线榜单,控制在线键规模。

09.7.1.4-017 计数与榜单有哪些降级兜底?

一句话结论

降级:计数写入缓冲失败时落本地可靠队列重试,读取展示 DB 基准计数(可能略旧);榜单缓存故障时返回上一期快照或离线生成结果;非实时周期榜延后刷新;热点榜单片段冗余缓存;降级策略保证页面不空白,计数偏差在恢复后对账修正。

概念解释

  • 计数兜底:DB 基准值展示。
  • 榜单兜底:历史快照/离线结果。
  • 缓冲重试:可靠队列不丢增量。

原理流程

缓存不可用 → 读 DB 计数 / 旧榜单快照
  写增量 → 可靠队列缓冲重试
  离线榜单 → 任务恢复后刷新

代码或图示

降级返回:旧值 + 数据时效提示,不返回错误白屏

常见误区

  • 误区:缓存挂了计数页面直接报错。应返回持久基准值或快照,标注可能延迟。
  • 误区:降级期间不记录增量。缓冲队列保留写入,恢复后补偿累加,否则计数少一块。

追问

  • 问:旧榜单快照保留多久?答:至少覆盖离线重建周期,避免新榜生成前无内容可展示。
  • 问:降级读数怎么标注?答:页面可提示数据延迟,具体产品口径按业务约定。

09.7.1.4-018 计数与排行榜落地 checklist 包含哪些点?

一句话结论

核对:计数缓存原子自增 + DB 持久基准、去重关系与并发兜底、批量同步与对账补偿、ZSet 榜单结构与成员裁剪、榜单类型口径(实时/周期/总榜)、分数权重与衰减规则、分页与个人名次查询、大 key 分片、离线榜单可重算、数据可靠可重建、容量压测与降级快照。

概念解释

  • 计数链路:写入、去重、落库、对账。
  • 榜单链路:分数、排序、裁剪、分片、离线产出。
  • 运维:容量、可靠、降级、监控。

原理流程

行为 → 去重判重 → 计数累加 → 批量落库 → 对账
  分数 → 榜单维护 → 裁剪分片 → 快照兜底
  演练:缓存故障、重复提交、榜单大 key、积压恢复

代码或图示

上线前检查:
  [ ] 计数有持久基准与行为流水可重算
  [ ] 去重记录与计数同流程,并发唯一约束兜底
  [ ] 榜单成员受控,无无限增长大 key
  [ ] 实时/周期/总榜口径独立,分数规则可复算
  [ ] 榜单故障有快照兜底,离线任务可重跑
  [ ] 计数偏差与榜单刷新有监控告警

常见误区

  • 误区: checklist 只看正常计数和榜单展示。重复行为、取消计数、缓存清空恢复、榜单积压生成都要覆盖。
  • 误区:权重、衰减、阈值凭经验写死。参数按产品目标与实测校准,未确认的 Redis 行为标注待确认与验证点。

追问

  • 问:怎么演练计数可靠?答:模拟 Redis 清空、批量落库失败、重复提交,观察按流水重算与对账修正。
  • 问:上线后盯什么?答:计数写 QPS 与落库积压、缓存命中率、榜单成员数与内存、Top N 读取 RT、计数偏差率。