[场景题]如何实现排行榜

1. 基于Java集合的简单实现（适合小规模数据）

• 核心思路：使用List或Map存储数据，通过排序算法维护排行榜。

• 实现步骤：

  1. 定义数据结构：创建Ranking类管理排行榜，内部用List<Score>存储数据。每个Score对象包含用户ID、分数等字段，并实现Comparable接口以支持排序。
  2. 添加分数：每次插入新数据时，调用Collections.sort()对列表进行降序排序。若列表长度超过最大限制（如TOP 100），移除末尾元素。
  3. 处理并列排名：若需按分数和时间排序，可在Score类中自定义比较逻辑（如分数相同则时间较早者排名更高）。
  4. 展示排行榜：遍历列表输出排名，或通过分页接口返回数据。

• 代码示例：

  // 按分数降序、时间升序排序
  students.sort(Comparator.comparing(Student::getScore).reversed()
                .thenComparing(Student::getAge));

• 优缺点：
  • 优点：实现简单，无需依赖外部组件。
  • 缺点：数据量大时性能低（每次全量排序），且无法持久化。

2. 基于Redis的有序集合（适合高并发实时场景）

• 核心思路：利用Redis的zset数据结构，天然支持按分数排序和排名查询。

• 实现步骤：

  1. 添加/更新分数：使用zadd命令插入用户的分数，Redis自动维护排序。
  2. 获取排名：

• 用户当前排名：zrevrank（降序排名，从0开始）。

• 分页查询：zrevrangeWithScores获取指定区间的用户及分数。
  3. 处理相同分数：Redis默认按字典序排序，若需按时间排序，可将时间戳作为分数的小数部分（如score = 用户分数 + (1 - 时间戳/最大值)）。

• 代码示例：

  // 分页获取排行榜（Jedis示例）
  Set<Tuple> rankTuple = jedis.zrevrangeWithScores("rankKey", start, end);

• 优缺点：
  • 优点：性能极高，支持高并发；天然支持分布式场景。
  • 缺点：需维护Redis服务；复杂业务逻辑（如多维度排序）需额外设计。

3. 基于数据库的SQL实现（适合数据持久化场景）

• 核心思路：通过数据库查询排序，结合Java代码处理排名逻辑。

• 实现步骤：

  1. 数据存储：数据库表包含用户ID、分数、时间等字段。
  2. SQL排序：使用ORDER BY对分数降序排序，时间作为次要条件。
  3. Java处理排名：

• 遍历查询结果，动态计算排名（处理并列情况）。

• 若分数相同，排名不递增，例如：100分（第1名）, 90分（第2名）, 90分（第2名）。

• 代码示例：

  -- 查询排序结果（MySQL示例）
  SELECT uid, score, 
         @rank := IF(@prev_score = score, @rank, @rank + 1) AS rank,
         @prev_score := score
  FROM user, (SELECT @rank := 0, @prev_score := NULL) vars
  ORDER BY score DESC, create_time ASC;

• 优缺点：
  • 优点：数据持久化，适合复杂查询。
  • 缺点：大数据量时性能较差；需处理分页和排名逻辑。

4. 其他优化与进阶方案

• 分库分表：当数据量极大时（如亿级用户），按用户ID哈希分片存储。
• 冷热数据分离：将历史数据归档，仅对近期活跃数据排序。
• 定时任务更新：若实时性要求低，可定时计算排行榜并缓存结果。

面试回答要点总结

1. 根据场景选择技术栈：
   • 小数据量、简单需求 → Java集合。
   • 高并发实时场景 → Redis。
   • 持久化复杂查询 → 数据库 + Java逻辑。
2. 处理并列排名：通过多字段排序（分数、时间等）或自定义排名算法。
3. 性能优化：分页查询、异步更新、缓存机制等。
4. 扩展性：分布式架构、数据分片等设计思路。

通过结合具体业务需求（如实时性、数据规模、持久化要求），选择最合适的实现方案，并展示对技术选型的深入理解。