阿巴可懂的實時排行榜系統設計和實現思路。
大家好，我是魚皮，暑假快到了，我的老弟小阿巴聽說我家有很多好康的，就跑來找我玩。
結果我擺出了幾個以前開發過的小系統，准備在這段時間帶着小阿巴多做些作品，學習編程項目的設計思路。這樣等他開學了，就可以更輕松地跟着老師做做項目了。
今天，就先帶他做一個很常見的小功能：用戶實時積分排行榜。
實時積分排行榜
需求
先描述下需求，在我的編程導航項目（https://www.code-nav.cn）中，為了鼓勵大家共同維護網站，用戶可以通過推薦資源、積極評論、舉報違規資源等方式獲取積分。
為了進一步激勵大家，網站需要提供一個用戶積分排行榜，分為 實時總積分榜 、 周榜 和 月榜，均 只取前 10 名 。所有用戶都能夠查看當前排行榜，以及查看自己的 實時 總積分排名，后續管理員就可以給上榜用戶頒發獎品了。
效果如下圖：
點擊 我的排名 按鈕，可以查看自己的實時排名：
本文篇幅有限，先僅討論 實時總積分榜 的設計實現。
聽了需求后，小阿巴爽朗一笑：這有啥難的？且讓我設計一波，再給你娓娓道來。
設計實現
先看下數據庫的結構，總共有 2 個表：用戶表 和 用戶積分表。
用戶表存儲了用戶信息，以及用戶的總積分（實時更新），也就是說總積分榜需要的數據可以直接從這里取到，不需要再去計算。
用戶表內容：
| 用戶 id | 用戶名 | 積分（score） |
|---|---|---|
| 1 | 小阿巴 | 10 |
| 2 | 李魚皮 | 1000 |
| 3 | 小李 | 100 |
| ...... | ||
| 100 | 李老熱 | 66 |
如果要取前 10 名，只需要把所有用戶的信息先取出來，再排個序就好啦，寫 SQL 語句查詢的話就是：
select * from `user` order by score;
然后如果要取自己的總排名，就對查到的有序數據進行一次遍歷，找到自己所在的位置下標就行，偽代碼如下：
// 從數據庫查詢全部用戶列表
list = getAllDataList()
for(i = 0; i < total; i++) {
// 找到自己的位置
if(list[i].id == '我的id') {
return i + 1;
}
}
小阿巴得意到：這不就實現總積分榜了么？你這需求太簡單，嘖嘖。
我笑到：還不錯，總積分榜的思路是正確的，起碼知道要對所有的數據進行排序。但如果用戶數特別多呢？比如幾十萬個，你只需要查自己的總排名，還需要把全部的數據都做一個排序么？
小阿巴陷入沉思，想了半天，沒想出來。
於是我提示到：假如在一次考試中你想知道自己的排名，是不是只需要知道有多少人的分數比自己高就行了，不用去管其他人排第幾對吧？
小阿巴一拍腦袋：對啊，我只需要先查出自己的分數，然后統計分數大於我的用戶數量，不就知道自己的排名了？
先用 SQL 語句查出用戶的分數：
/* 只取需要的列 */
select score as myScore
from `user`
where id = "用戶 id";
然后再用 SQL 語句統計分數大於該用戶分數的數量：
select count(*) from `user`
where score > myScore;
最后只需要將該查詢結果加 1，就是自己的排名啦~
小阿巴感嘆到：原來轉換一點點思路，就能省去多余的排序帶來的性能開銷，起飛~
更多思考
魚皮：先別起飛，其實對於一般用戶量的系統，上面的方案就已經足夠了。下面讓我們加大難度，假如用戶數再多一點點呢，比如說一億個，怎么實時獲取前 10 名呢？
小阿巴：還真是 “億點點”，就您那破編程導航還想着有一億個用戶？
魚皮：少廢話，夢想還是要有的，萬一有億個用戶呢？快想想系統怎么做！
小阿巴：且不說對一億個數據排序有多慢，能不能存的下都是個問題啊。。。啊，等等，這難道就是面試常見的 Top N 問題！
魚皮：不錯，我面試的時候被問過好幾次 Top N 問題，如何從海量數據中找出前 N 個數呢？
小阿巴：這我完全不懂啊，算法不會，真要命。
魚皮：其實 Top N 問題的核心在於保證空間和時間復雜度，先要考慮數據能存入內存運算，在怎樣算得更快。
通常 Top N 問題有下列幾種解決方案。
Top N 解決方案
全部排序
直接對所有數據進行排序（快排等），缺點是需要將數據一次性加載到內存中。
局部淘汰
內存中維護一個大小為 N 的容器，再讓剩余的數一個個進入容器，並淘汰容器內的最小值。最終容器內剩下的數就是前 N 名。優點是能節省內存，缺點是太慢了。
分治
把數據分為多個小組，小組內先分別選出前 N 名小組長，最后再讓這些小組長同台競技，選出最終的前 N 名。
哈希預處理
假如數據重復度很高，可以通過 hash 的方式，去掉很多重復數據。比如 1 億個數據里，一半是 0，一半是 1，那么取前 10 名時，可以直接淘汰掉另一半為 0 的數據。
但是預處理本身也需要時間和空間，這就需要我們對數據的重復度有一個清晰的判斷，否則自作聰明、適得其反。
小根堆
面試算法中的高頻考點 —— 堆排序，可以先取前 N 個數組成小根堆，堆頂始終是最小值。 然后遍歷后續數字，大於堆頂就替換掉堆頂並調整最小堆結構。該算法時間復雜度和空間復雜度（為 N，常數）都不錯，所以必須要掌握。
但是具體選擇哪種方案呢？還是要結合我們實際的項目和業務場景來分析。
實際解決
由於我們的數據庫來記錄積分，所以當用戶量級很大時，首先要 分庫分表 ，通常是水平分表，根據一定規則（比如 id）把用戶數據行分批存儲在多個數據表中。
然后就和大數據 Map / Reduce 處理機制一樣了，可以采用 分治 的方式 並行計算 每個表的前 10 名（map），都計算好后，再匯總到一起計算最終的前 10 名（reduce）。
用這種方式，別說 1 億了，2 億、3 億的計算模式都是一樣的，加機器水平擴容就好了~
所以遇到 Top N 問題的時候，大家可以先答一下上面的幾種方案，再結合具體的場景分析，分治和最小堆是我覺得相對 核心 的點。
Redis
最后，對於實時排行榜的設計，肯定很多背過八股文面試題的朋友在第一時間會想到使用 Redis 的有序集合 zset，的確也是一種方案，但也要結合場景去分析利弊，不要秒答。
使用基於內存的 Redis zset 的確運算更快，且天然支持排序、使用方便。但數據量大時同樣面臨數據更新、維護、同步、持久化存儲等問題，而且對於我們這種實時性要求不高的需求來說，有些大材小用了哈哈。
我是魚皮，肝文不易，點贊 還是要求一下的，祝大家都能心想事成、發大財、行大運。
最后再送大家一些 幫助我拿到大廠 offer 的學習資源 ，視頻教程 + 習題 + 答案 + 源碼、編程書籍、大廠面經、實戰項目等。
我是如何從零開始通過自學，拿到騰訊、字節等大廠 offer 的，可以看這篇文章，不再迷茫！
指路：我學計算機的四年，共勉！