ZRANGE按索引分页在千万级ZSet中会卡死,因其需O(N)遍历前N项;应改用ZRANGEBYSCORE+游标分页,并结合局部扫描查个人排名及周边数据,再定期裁剪冷数据以保障性能。

为什么直接用 ZRANGE 分页在千万级 ZSet 上会卡死?
因为 ZRANGE key start stop [WITHSCORES] 是按索引(rank)分页,不是按 score 区间。当你要查第 100 万页(start=10000000, stop=10000019)时,Redis 仍要从头遍历前 1000 万条数据才能定位起始位置——这本质是 O(N) 时间复杂度,不是 O(1)。实测在 2000 万成员的 ZSet 上,跳转到 rank=500 万之后的任意页,延迟常超 800ms,且阻塞主线程。
根本问题不在数据量,而在访问模式:你不是要“第 N 名到第 M 名”,而是“用户想看自己附近排名”,或者“按热度/时间展示 TopN 后的下一页”。真实场景几乎不需要纯 rank 分页。
用 ZRANGEBYSCORE + 游标替代 offset 分页
把“第几页”转成“score 大于某个值”的条件,避免跳过大量中间成员。前提是 score 要有足够区分度(不能全为整数),且业务能容忍“同分并列时顺序不固定”。
- 给每个用户积分附加毫秒级时间戳,组合成
score = int_score * 1000000 + timestamp_ms(保证唯一性,且排序主次分明) - 首次请求用
ZREVRANGEBYSCORE key +inf -inf WITHSCORES LIMIT 0 20拿首页 - 后续请求传上一页最后一条的
score,例如上一页末尾 score 是987654321001234,则下一页查:ZREVRANGEBYSCORE key (987654321001234 -inf WITHSCORES LIMIT 0 20(注意(表示开区间,跳过重复 score) - 客户端需缓存上一页末尾的 score,而不是 page_num
这个方案在 2500 万成员 ZSet 上实测 P99 延迟稳定在 3–5ms,内存占用比纯整数 score 高约 12%,但换来的是可扩展性。
如何让玩家快速查到自己的实时排名和周边邻居?
别用 ZREVRANK 查个人 rank——它也是 O(N),千万级下可能耗时 400ms+。正确做法是:用 ZREVRANGEBYSCORE 围绕用户 score 做“局部扫描”。
- 先用
ZSCORE key user_id拿到该用户当前 score(O(1)) - 再以该 score 为中心,查前后各 10 名:
ZREVRANGEBYSCORE key (score-1000000 (score+1000000 WITHSCORES LIMIT 0 21(加个宽松范围兜底) - 对返回结果做内存排序(PHP/Go/Python 都很快),定位 user_id 的实际位置——这就是他当前的精确 rank
- 同时拿到他前后 10 名的完整数据,用于 UI 展示“紧邻对手”
这个策略把一次 O(N) 查询降为 O(log N + K),K 是局部窗口大小(通常 ≤50),实测平均响应 6ms,不受总数据量增长影响。
ZSet 内存爆炸?用 ZREMRANGEBYRANK 定期裁剪冷数据
千万级排行榜里,99% 的访问集中在 Top 50 万。长期保留全部数据不仅浪费内存(一个 member+score 约 64 字节,2000 万 ≈ 1.2GB),还拖慢所有 range 类命令。
- 每天凌晨执行:
ZREMRANGEBYRANK key 500000 -1(只留前 50 万名) - 如果业务要求“历史最低分可见”,另建一个归档 ZSet(如
leaderboard:archive),用ZADD+ 过期时间或定时任务清理 - 注意:裁剪后
ZCARD变小,但ZREVRANK对被删用户会返回nil,代码里要判空处理
裁剪不是妥协,而是明确数据边界。真正需要查“第 800 万名”的请求,在游戏生命周期里占比低于 0.03%,为它牺牲整体性能不值得。



















