⭐ 题目日期：

阿里 - 2024/8/21

📝 题解：

针对 100万用户对多个主题投票，每人仅限一次投票，并实时显示票数排行 的需求，以下是基于 Redis 的高效设计方案：

---

1. 数据结构设计

(1) 用户投票记录

• 目标：确保每个用户对每个主题只能投一票。
• 结构：使用 Bitmap（位图） 存储每个主题的已投票用户。
  • Key 格式：vote:topic:{topic_id}
  • Value：位图，每个用户 ID 对应一个位偏移（如用户 ID 为整数）。
  • 内存优化：100 万用户仅需 1,000,000 / 8 ≈ 125 KB 内存（每主题）。

(2) 票数统计与排行

• 目标：实时统计各主题票数并排序。
• 结构：使用 Sorted Set（有序集合）。
  • Key：topic_rank
  • 成员（Member）：主题 ID（如 topic_1）。
  • 分数（Score）：当前票数，通过 ZINCRBY 动态更新。

---

2. 核心操作流程

(1) 用户投票

• 步骤：

  1. 检查是否已投票：使用 GETBIT 查询用户是否在对应主题的位图中标记为已投票。
  2. 执行投票：若未投票，通过原子操作（Lua 脚本）完成以下两步：
     • 在位图中标记用户已投票（SETBIT）。
     • 在有序集合中增加该主题的票数（ZINCRBY）。

• Lua 脚本（原子性保障）：

  local topicKey = KEYS[1]    -- vote:topic:{topic_id}
  local userId = tonumber(ARGV[1])  -- 用户 ID（需为整数）
  local rankKey = KEYS[2]     -- topic_rank
  local topicId = ARGV[2]     -- 主题 ID
  
  if redis.call('GETBIT', topicKey, userId) == 1 then
      return 0  -- 已投票，拒绝
  else
      redis.call('SETBIT', topicKey, userId, 1)
      redis.call('ZINCRBY', rankKey, 1, topicId)
      return 1  -- 投票成功
  end

(2) 实时获取票数排行

• 命令：ZREVRANGE topic_rank 0 9 WITHSCORES
  • 功能：获取票数前 10 的主题及其票数。
  • 性能：时间复杂度 O(log(N))，高效支持实时查询。

---

3. 性能优化策略

(1) 内存压缩

• Bitmap 压缩：Redis 自动对稀疏位图进行压缩存储（RLE 编码），适合用户 ID 稀疏的场景。
• 用户 ID 映射：若用户 ID 非整数，需设计映射机制（如哈希后取模），确保偏移量为整数。

(2) 分片存储

• 场景：主题数量极多（如数千个），单个 Redis 实例内存不足。
• 方案：按主题 ID 分片到多个 Redis 实例，如 vote:topic:{topic_id % shard_num}。

(3) 异步持久化

• 风险：Redis 宕机可能导致位图和排行数据丢失。
• 方案：定期异步持久化到数据库（如 MySQL），或启用 AOF 日志（appendfsync everysec）。

---

4. 扩展性设计

(1) 分布式锁（可选）

• 场景：高并发下需严格防止重复投票。
• 方案：对用户 ID 加锁（如 INCR 锁），确保同一用户并发请求串行处理。

  -- 在 Lua 脚本中增加锁检查
  local lockKey = 'lock:user:' .. userId
  if redis.call('SET', lockKey, '1', 'NX', 'EX', 5) then
      -- 执行投票逻辑
      redis.call('DEL', lockKey)
  else
      return 0  -- 请求冲突
  end

(2) 缓存预热

• 场景：重启后需快速恢复票数排行。
• 方案：定期将有序集合数据备份到数据库，启动时加载到 Redis。

---

5. 复杂度分析

操作	时间复杂度	说明
用户投票	O(1)	位图操作和有序集合自增均为常数时间
获取排行榜	O(log(N) + M)	N 为主题数，M 为返回数量
内存占用	O(M + K*N)	M 为位图大小，K 为主题数，N 为用户数

---

6. 异常处理

• 重复投票：通过 Lua 脚本的原子性避免。
• 数据不一致：持久化失败时，采用定期校验修复机制（如对比数据库与 Redis 数据）。

---

总结

该方案通过 Bitmap + Sorted Set 组合，以低内存占用和高并发性能满足需求。

• 优势：精确投票控制、实时排行、高吞吐量。
• 适用场景：秒杀投票、热点话题排行、活动实时统计等。
• 注意事项：用户 ID 需为整数或可映射为整数，避免位图稀疏导致内存浪费。