1.基于Redis实现点赞及排行榜功能
2.用 Redis 排排序搞定游戏中的实时排行榜，附源码！序源
3.redis源码阅读--跳表解析
4.redis实现排行榜
5.Redis 实现实现高效有序集合(zset)：跳表源码分析
6.Redis 哨兵模式 - 源码梳理

基于Redis实现点赞及排行榜功能

       1.1、点赞相关需求：

       1、排排序同一个用户只能点赞一次，序源再次点击则取消点赞(点赞/取消点赞)；

       2、实现口口农场源码如果当前用户已经点赞，排排序则点赞按钮高亮显示（前端实现，序源判断字段Blog类的实现isLik属性）。

       1.2、排排序实现步骤：

       1、序源给Blog类中添加一个isLike字段，实现标识是排排序否被当前用户点赞；

       2、修改点赞功能，序源利用Redis的实现set集合判断是否点赞过，未点赞过则点赞数+1，已点赞过则点赞数-1;

       3、修改根据id查询Blog的业务，判断当前登录用户是否点赞过，赋值给isLike字;

       4、修改分页查询Blog业务，判断当前登录用户是否点赞过，赋值给isLike字段。

       1.3、点赞实现思路：

       1.4、排行榜实现：

       分析：由于需要对点赞功能进行排行榜分析，按照点赞时间先后排序，返回最早点赞的Top5的用户，所以最好是选择SortedSet实现功能。(特别说明：代码获取方式在文章结尾)

       涉及到表信息：

       2.1、zadd

       案例：

       2.2、zscore

       案例：

       2.3、cocos 源码分析zrem

       案例：

       2.4、zrange

       案例：获取前四个元素

       3.1、点赞/取消点赞功能

       核心代码实现：

       控制层：

       接口调用：

       结果展示：

       3.2、排行榜功能

       核心代码实现：

       控制层：

       接口调用及展示：

       四、源码获取方式

       更多优秀文章，请关注个人微信公众号或搜索“程序猿小杨”查阅。然后回复：源码，可以获取该项目对应的源码及表结构，开箱即可使用。

       说明：后面redis相关操作的功能都会放在此文件夹中，需要相关功能的，只需要获取最新的资源即可。

用 Redis 搞定游戏中的实时排行榜，附源码！

       使用 Redis 实现游戏实时排行榜的步骤如下：

       1. 分类：按排行主体类型分为等级、战力和通天塔、通关时间等排行榜。

       2. 思路：基于实时性考虑，决定使用 Redis 实现排行榜。使用 Redis 的有序集合（SortedSet）来实现排行榜，通过 Redis 命令 ZADD 来添加成员-积分。默认情况下，若积分相同，按照成员字典顺序排序。

       3. 实现复合排序：等级排行榜中，分数定义为等级* + 战力，考虑到数值范围和 Redis 的表示能力，设计分数足以覆盖需求。通天塔排行榜中，为满足通过层数相同，通关时间较早的视频转码 源码优先要求，将通关时间转换为相对时间，定义分数为层数*^N + (基准时间 - 通关时间)。

       4. 排名数据动态更新：对于等级排行榜，使用有序集合存储角色 UID 和复合积分，使用哈希存储动态数据。玩家等级和战斗力变化时，实时更新有序集合中的复合积分，同时更新动态数据。

       5. 取排行榜：以等级排行榜为例，通过 Redis 命令获取排行榜数据。优化步骤包括分析和解决潜在问题，采用 Pipeline 或 Multi 模式提升效率。

       实现过程中，关注技术细节和代码优化，确保排行榜功能稳定高效。参考相关资源获取更深入的实现和优化技巧。代码示例以 PHP 语言实现，展示了排行榜最基础的实现方式。

redis源码阅读--跳表解析

       跳表是 Redis 中实现 zset 和 set 功能的关键数据结构。通过在链表基础上构建多级索引，跳表有效提升了查找效率，且其实现相较于红黑树更为简洁，无需大量精力来维持树的平衡。跳表节点具有顺序排列的特性，支持范围查询。

       跳表的构成包括头结点、尾节点、长度以及索引层数。每一个节点包含数据 robj、分数 score 用于排序、上一节点指针 prev 用于反向遍历，长沙源码在线以及多层索引信息 levels。各层索引 skiplistlevel 包括该层索引中节点指向的下一个节点指针 next 和间隔 span。节点的索引层数通过随机数生成，设计思路为使用第 n 级索引是使用第 n-1 级索引概率的 1/4，最多使用 级索引。使用如此设计可确保即便用到最高层级，所持数据量也足够大，无需担心索引不足。

       跳表按照 score 和 robj 的大小进行排序，因此节点有序，支持范围查找。插入节点时，首先找到新节点可以插入的位置，即比新节点小的最大节点。此过程从最高层索引开始，使用 update 数组记录各层索引中节点的前一节点位置，以及 rank 数组记录 update 节点到 header 的间隔 span。新节点插入后，更新 prev 指针、tail 指针、跳表长度等信息。

       删除节点同样遵循类似的逻辑，先查找节点的前一个节点，然后删除目标节点。在删除过程中，需要检查节点的下一节点是否为待删除数据，并调整节点连接和更新跳表的 level 值。当某层索引中节点的 next 指针变为 nil 时，该层索引已无用，可将 level 减一。最后，opengl 游戏源码更新跳表长度。

       虽然跳表概念看似复杂，但通过理解其多级索引机制，其余操作如范围查询、排名查询等将变得相对简单。在实际应用中，可通过阅读 Redis 源码中的 t_zset.c 和 redis.h 文件，了解跳表的具体实现。然而，更难的是将这些抽象概念转化为清晰、易于理解的文档，绘制图表对于深入理解跳表的逻辑非常有帮助。

redis实现排行榜

       实现一个排版榜，我们通常想到的就是mysql的order by 简单粗暴就撸出来了。但是这样真的优雅吗？数据库是系统的瓶颈，这是众所周知的。如果给你一张百万的表，让你排序做排行榜，花费的时间是十分可怕的。

       不如缓存吧，order by的时候强制使用索引。但是这样真的优雅吗？

       幸运的是，Redis可以提供更优雅的解决方案。Redis的ZSet是一种可以保留元素唯一性和有序性的数据结构，按分数从小到大排序。作为一名优秀的crud程序员，我们可以从以下几个方面了解和使用zset。

       首先，ZADD命令用于增加或修改元素。其时间复杂度为 O(M*log(N))， N 是有序集的基数， M 为成功添加的新成员的数量。如果key不存在就插入，存在就更新。

       使用示例如下，page_rankde 是key，是分数， google.com是value。

       其次，ZRANK命令用于查询元素的排名。时间复杂度为O(log(N))。

       使用示例如下，salary的key，tom是value，只要输入特定的key与value就能查询到对应的排名。

       再者，del命令用于直接删除元素。

       实现排行榜的关键在于如何设计分数。如果排行榜的设计按一个维度比如金币数量，只需把其数量取反作为分数即可。取反是因为zset默认从小到大排序。

       如果排行榜的设计按两个维度比如金币数量和用时，可以将用时作为小数，用一天的总毫秒数减去花费毫秒数作为小数部分，然后当做字符串拼接起来，然后取反作为score。具体实现如下。

       最后，代码实现源码可以通过GitHub查找，例如：github.com/blackdogss/H...

Redis 实现高效有序集合(zset)：跳表源码分析

       跳表（Skip List）是一种基于随机化的高效数据结构，旨在加速查找操作。它通过多层索引来实现快速搜索，与平衡树相比，插入、删除和查找操作的平均时间复杂度均为O(log n)，构建更为简便。跳表结构类似链表，每个节点不仅存储元素值，还包含指向对应层次的下一个节点的指针，实现跳跃式访问。每一层的链表是下一层的子集，形成多级结构，优化搜索路径，同时保持高效性和简洁性。跳表支持范围查询、插入、删除、查找、合并等高级操作，适用于搜索引擎、缓存、排序等场景。

       在Redis中，有序集合（Sorted Set）正是基于跳表实现的。每个有序集合包含一个跳表，每个节点存储元素的成员值和score值，以及指向其他节点的指针。元素按照score值从小到大排序，使得跳表中节点同样按照此规则排序。跳表通过随机生成多级索引来支持有序集合的高效操作，例如范围查询、排名和集合操作等。Redis选择跳表而非平衡树，是基于其在性能与内存使用之间的良好平衡。

       跳表在Redis的实现涉及多个方面，从结构定义到操作实现。数据结构定义在`server.h`文件中，具体操作实现在`t_zset.c`文件中。节点创建与释放关注于指定key、score和节点的层次（层高）。跳表初始化涉及分配内存并创建头节点，并进行相关初始化。插入、删除和更新节点涉及节点间复杂但高效的指针操作。查找节点、获取排名和查询score范围则通过逐层比较关键值与节点值来实现。整体结构与操作设计旨在提供高效、灵活的有序集合支持，满足Redis应用中对数据排序和检索需求的高性能要求。

Redis 哨兵模式 - 源码梳理

       本文以Redis 7.0.版本为基准，如有不妥之处，敬请指正。

       哨兵模式的代码流程逻辑如下：哨兵节点每秒（主从切换时为1秒）向已知的主节点和从节点发送info命令。接收到主节点的info回复后，解析其中的slave字段信息，进而创建相应的从节点instance。收到从节点的info回复后，解析其中的slave_master_host、slave_master_port、slave_master_link_status、slave_priority、slave_repl_offset、replica_announced等信息（步骤2和sentinelInfoReplyCallback）。

       在sentinel.masters的初始数据中，来自于sentinel.conf中的monitor，利用info命令探测主节点及其所属的从节点。通过订阅__sentinel__:hello频道，获取其他哨兵节点的信息。其中，link->act_ping_time表示最早一次未收到回复的ping请求发送时间，收到回复后其会被重置为0。因此，其不为0时，表示有未收到回复的ping请求。link->last_avail_time表示最近一次收到对ping有效回复的时间，link->last_pong_time表示最近一次收到对ping回复（有效和无效）的时间，link->pc_last_activity表示最近一次收到publish的消息，ri->role_reported_time表示最近一次收到info且回复中role相比于上次发生改变的时间。

       Raft一致性算法

       thesecretlivesofdata.com...

Redis radix tree 源码解析

       Redis 实现了不定长压缩前缀的 radix tree，用于集群模式下存储 slot 对应的所有 key 信息。本文解析在 Redis 中实现 radix tree 的核心内容。

       核心数据结构的定义如下：

       每个节点结构体 (raxNode) 包含了指向子节点的指针、当前节点的 key 的长度、以及是否为叶子节点的标记。

       以下是插入流程示例：

       场景一：仅插入 "abcd"。此节点为叶子节点，使用压缩前缀。

       场景二：在 "abcd" 之后插入 "abcdef"。从 "abcd" 的父节点遍历至压缩前缀，找到 "abcd" 空子节点，插入 "ef" 并标记为叶子节点。

       场景三：在 "abcd" 之后插入 "ab"。ab 为 "abcd" 的前缀，插入 "ab" 为子节点，并标记为叶子节点。同时保留 "abcd" 的前缀结构。

       场景四：在 "abcd" 之后插入 "abABC"。ab 为前缀，创建 "ab" 和 "ABC" 分别为子节点，保持压缩前缀结构。

       删除流程则相对简单，找到指定 key 的叶子节点后，向上遍历并删除非叶子节点。若删除后父节点非压缩且大小大于1，则需处理合并问题，以优化树的高度。

       合并的条件涉及：删除节点后，检查父节点是否仍为非压缩节点且包含多个子节点，以此决定是否进行合并操作。

       结束语：云数据库 Redis 版提供了稳定可靠、性能卓越、可弹性伸缩的数据库服务，基于飞天分布式系统和全SSD盘高性能存储，支持主备版和集群版高可用架构。提供全面的容灾切换、故障迁移、在线扩容、性能优化的数据库解决方案，欢迎使用。