阿巴可懂的實時排行榜系統設計和實作思路。
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，準備在這段時間帶着小阿巴多做些作品，學習程式設計項目的設計思路。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：使用者實時積分排行榜。
先描述下需求，在我的程式設計導航項目（https://www.code-nav.cn）中，為了鼓勵大家共同維護網站，使用者可以通過推薦資源、積極評論、舉報違規資源等方式擷取積分。
為了進一步激勵大家，網站需要提供一個使用者積分排行榜，分為 實時總積分榜 、 周榜 和 月榜，均 隻取前 10 名 。所有使用者都能夠檢視目前排行榜，以及檢視自己的 實時 總積分排名，後續管理者就可以給上榜使用者頒發獎品了。
效果如下圖：
點選 <code>我的排名</code> 按鈕，可以檢視自己的實時排名：
本文篇幅有限，先僅讨論 實時總積分榜 的設計實作。
聽了需求後，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。
先看下資料庫的結構，總共有 2 個表：使用者表 和 使用者積分表。
使用者表存儲了使用者資訊，以及使用者的總積分（實時更新），也就是說總積分榜需要的資料可以直接從這裡取到，不需要再去計算。
使用者表内容：
使用者 id
使用者名
積分（score）
1
小阿巴
10
2
李魚皮
1000
3
小李
100
......
李老熱
66
如果要取前 10 名，隻需要把所有使用者的資訊先取出來，再排個序就好啦，寫 SQL 語句查詢的話就是：
然後如果要取自己的總排名，就對查到的有序資料進行一次周遊，找到自己所在的位置下标就行，僞代碼如下：
小阿巴得意到：這不就實作總積分榜了麼？你這需求太簡單，啧啧。
我笑到：還不錯，總積分榜的思路是正确的，起碼知道要對所有的資料進行排序。但如果使用者數特别多呢？比如幾十萬個，你隻需要查自己的總排名，還需要把全部的資料都做一個排序麼？
小阿巴陷入沉思，想了半天，沒想出來。
于是我提示到：假如在一次考試中你想知道自己的排名，是不是隻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，我隻需要先查出自己的分數，然後統計分數大于我的使用者數量，不就知道自己的排名了？
先用 SQL 語句查出使用者的分數：
然後再用 SQL 語句統計分數大于該使用者分數的數量：
最後隻需要将該查詢結果加 1，就是自己的排名啦~
小阿巴感歎到：原來轉換一點點思路，就能省去多餘的排序帶來的性能開銷，起飛~
魚皮：先别起飛，其實對于一般使用者量的系統，上面的方案就已經足夠了。下面讓我們加大難度，假如使用者數再多一點點呢，比如說一億個，怎麼實時擷取前 10 名呢？
小阿巴：還真是 “億點點”，就您那破程式設計導航還想着有一億個使用者？
魚皮：少廢話，夢想還是要有的，萬一有億個使用者呢？快想想系統怎麼做！
小阿巴：且不說對一億個資料排序有多慢，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，如何從海量資料中找出前 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 問題的核心在于保證空間和時間複雜度，先要考慮資料能存入記憶體運算，在怎樣算得更快。
通常 Top N 問題有下列幾種解決方案。
全部排序
直接對所有資料進行排序（快排等），缺點是需要将資料一次性加載到記憶體中。
局部淘汰
記憶體中維護一個大小為 N 的容器，再讓剩餘的數一個個進入容器，并淘汰容器内的最小值。最終容器内剩下的數就是前 N 名。優點是能節省記憶體，缺點是太慢了。
分治
把資料分為多個小組，小組内先分别選出前 N 名小組長，最後再讓這些小組長同台競技，選出最終的前 N 名。
哈希預處理
假如資料重複度很高，可以通過 hash 的方式，去掉很多重複資料。比如 1 億個資料裡，一半是 0，一半是 1，那麼取前 10 名時，可以直接淘汰掉另一半為 0 的資料。
但是預處理本身也需要時間和空間，這就需要我們對資料的重複度有一個清晰的判斷，否則自作聰明、适得其反。
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。 然後周遊後續數字，大于堆頂就替換掉堆頂并調整最小堆結構。該算法時間複雜度和空間複雜度（為 N，常數）都不錯，是以必須要掌握。
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。
由于我們的資料庫來記錄積分，是以當使用者量級很大時，首先要 分庫分表 ，通常是水準分表，根據一定規則（比如 id）把使用者資料行分批存儲在多個資料表中。
然後就和大資料 Map / Reduce 處理機制一樣了，可以采用 分治 的方式 并行計算 每個表的前 10 名（map），都計算好後，再彙總到一起計算最終的前 10 名（reduce）。
用這種方式，别說 1 億了，2 億、3 億的計算模式都是一樣的，加機器水準擴容就好了~
是以遇到 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。
最後，對于實時排行榜的設計，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，的确也是一種方案，但也要結合場景去分析利弊，不要秒答。
使用基于記憶體的 Redis zset 的确運算更快，且天然支援排序、使用友善。但資料量大時同樣面臨資料更新、維護、同步、持久化存儲等問題，而且對于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、發大财、行大運。
最後再送大家一些 幫助我拿到大廠 offer 的學習資源 ，視訊教程 + 習題 + 答案 + 源碼、程式設計書籍、大廠面經、實戰項目等。
指路：跑了，留下 6T 的資源！
我是如何從零開始通過自學，拿到騰訊、位元組等大廠 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！