电商排行榜轻量化方案：Redis今日销量阈值

一、方案背景与痛点

电商商品排行榜（7 日销量榜、当日日榜、热度榜）是电商核心流量入口，绝大多数开源 / 自研方案存在严重两极化问题：

1. 传统全量 MySQL 计算方案（性能 差 ）

• 每天 / 每小时全量扫描几十万 SPU + 大表 JOIN

• 数据库 CPU 抖动、慢 SQL 堆积、从库压力爆表

• 99% 冷门商品 0 销量，完全没必要参与计算，但依然被扫描

2. 纯 Redis 全量 ZSet 方案（稳定性 差 ）

• 所有商品塞入 ZSet，成员几十万，内存爆炸

• ZUNION、遍历、分数衰减极易阻塞 Redis 单线程

• 冷热商品混在一起，头部更新慢、尾部无效占用资源

3. 复杂分片方案（太重、小团队无法落地）

• Kafka 集群、小时分片 ZSet、多消费组、分库分表

• 架构重、维护成本高、中小团队 hold 不住

基于以上痛点，本文落地一套「轻量化、高性能、高稳定、极易落地」的工业级排行方案

核心原创思路 ：只有今日销量达到阈值的商品，才允许进入 TOP 榜单 ZSet，冷门全程不计算、不进缓存、不耗性能；同时拆分当日销量日榜 、7 日综合热度榜两套独立榜单，解决零点切换空白、新开盘数据稀少问题。

二、本方案核心设计理念

1. 核心思路

• 冷门商品：只 Redis 计数，不参与排行、不进 ZSet、不查库

• 潜力黑马：今日销量达标阈值，才触发完整分数计算 + 冲榜比对

• 头部爆款：常驻 ZSet，实时增量更新排名，豁免销量门槛

• 数据真值：以 MySQL 汇总表为准，Redis 只做实时展示与准入判断

• 双榜单隔离：7 日综合榜长期稳定；当日日榜双 key 轮换兜底，杜绝页面空白

2. 方案优势

✅ 彻底无全表扫描：只计算有动销、达门槛的商品

✅ Redis 内存极小：ZSet 只留存有效头部商品

✅ 黑马实时上榜：新品爆单无需等待凌晨刷新

✅ 数据库压力极低：95% 商品不走聚合计算

✅ 架构极简：无需小时分片 ZSet、无需复杂合并

✅ 容错极强：Redis 丢数据可秒级重建

✅ 页面零空白：当日榜单量不足自动降级复用昨日榜单

三、整体架构分层（最简四层）

1. 采集层（异步解耦，不卡下单主链路）

订单支付、退款、取消订单 → MQ (RocketMQ/Kafka) 异步投递

主业务链路零 Redis、零 DB 排行计算逻辑，保证下单 RT 最低。

2. 实时计数层（Redis 今日销量计数）

采用 String 结构单商品独立计数：

• 今日单品销量 Key：rank:sale:today:{spuId}

• 今日动销白名单：rank:sale:today:whitelist（Set 结构，记录今天有成交的所有商品，避免全量 Scan）
  所有成交商品仅做两件事：计数累加 + 加入白名单。不达阈值完全不参与后续任何排行计算。

3. 阈值准入层（核心精髓）

后台可动态配置阶梯阈值：

• 常态白天模式：普通商品冲榜阈值 = 20 单，≥20 单才允许写入榜单 ZSet
• 凌晨低谷模式（0:00-8:00）：阈值自动下调至 5 单，适配低流量时段
• 头部爆款白名单、15 天扶持新品：无销量门槛，成交 1 单即可更新榜单

4. 基准校准层（兜底保精准）

• 小时级：DB 修正 Redis 计数偏差，防止消息丢包、退款导致分数漂移

• 零点级：归档单日销量，轮换当日榜单新旧 key

• 凌晨级：全量动销商品重算 7 日总分，整体覆盖刷新 7 日综合榜单

四、数据结构设计（两张 MySQL 表 + 全套 Redis 键）

1. MySQL 核心汇总表（唯一真值来源）

（1）小时销量预汇总表（规避原始订单大表 JOIN）

|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| sql CREATE TABLE order_hour_spu ( spu_id BIGINT NOT NULL, stat_hour DATETIME NOT NULL, sale_num BIGINT DEFAULT 0, sale_amount DECIMAL(18,2) DEFAULT 0, PRIMARY KEY (spu_id,stat_hour) ) ENGINE=InnoDB; |

特点：无动销无数据，天然过滤 90% 滞销商品。

（2）排行基准分数表

|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| sql CREATE TABLE goods_rank_total ( spu_id BIGINT NOT NULL, rank_type TINYINT NOT NULL COMMENT '1=7日热度 2=当日销量', period TINYINT NOT NULL, score DECIMAL(18,4) NOT NULL DEFAULT 0, seven_sale_num BIGINT DEFAULT 0, update_time DATETIME DEFAULT NOW() ON UPDATE NOW(), UNIQUE KEY uk_type_period_spu(rank_type,period,spu_id) ); |

2. Redis 全套键划分

① 7 日综合热度榜（首页核心展示，零点永久不清空）

|-----------------------------------------------------------------------------------------------------------------------------------------|
| Plain Text rank:hot:7day:top # 常驻7日TOP2000榜单ZSet rank:hot:7day:snap:yyyyMMdd # 每日榜单快照，异常回滚用 rank:hot:white_list # S/A头部爆款白名单Set，豁免20单门槛 |

② 当日销量日榜（独立 Tab 页，双 key 轮换防空白）

|------------------------------------------------------------------------------------------|
| Plain Text rank:sale:today:curr # 当日实时榜单ZSet rank:sale:today:last # 昨日备份榜单ZSet，数据不足时兜底展示 |

③ 实时计数层

|------------------------------------------------------------------------------------------|
| Plain Text rank:sale:today:{spuId} # 单品今日实时销量String rank:sale:today:whitelist # 今日成交商品集合 |

五、完整执行链路

步骤 1：订单异步计数（日间实时）

支付成功 MQ 消费流程：

1. 幂等判断 orderId 是否已处理，防止重复加减
2. Redis INCRBY rank:sale:today:{spuId} 1
3. SADD rank:sale:today:whitelist {spuId}
4. 同步 UPSERT 写入 order_hour_spu 数据库落真值

退款 / 取消订单：执行DECRBY反向扣减销量，数值归零后同步从当日 ZSet 移除该商品。

步骤 2：阈值判断与双榜单写入逻辑

读取商品当日实时销量，分三类处理：

1. 白名单爆款 / 15 天新品：无门槛，任意销量立刻计算分数，同步更新 7 日总榜 + 当日 curr 榜单
2. 普通商品 销量≥阈值（20/5 动态切换）：查询 MySQL 完整分数，执行冲榜对比逻辑
3. 普通商品 销量＜阈值：仅计数，不操作任何 ZSet 榜单

步骤 3：冲榜 Lua 原子逻辑（无并发错乱）

1. 商品已在 ZSet：直接 ZADD 覆盖最新分数，实时更新排名
2. 商品不在 ZSet：读取榜单末尾最低分对比

• 新分数更高：淘汰末位商品，插入当前商品

• 分数不足：仅保存 MySQL 分数，不占用 Redis 内存

步骤 4：零点平滑切换（核心解决当日榜单空白）

零点不删除 7 日总榜，只处理当日计数与当日榜单轮换：

1. 读取rank:sale:today:whitelist全部 SPU，批量归档销量写入 order_day_spu 日汇总表；
2. 当日榜单重命名轮换：RENAME rank:sale:today:curr rank:sale:today:last，昨日榜单完整留存做兜底；
3. 初始化空集合rank:sale:today:curr作为新一天当日榜单容器；
4. 批量删除所有rank:sale:today:{spuId}单品计数 key、清空白名单；
5. 复制rank:hot:7day:top生成当日 7 日榜单快照；
6. 自动切换凌晨低谷阈值（5 单），放宽当日榜单准入条件。

|----------------------------------------|
| 重点：7 日综合榜单全程保留不动，页面首页永远有完整排行，不受零点重置影响。 |

步骤 5：当日榜单数据不足兜底逻辑（接口层强制兼容）

页面请求「今日热销」Tab 时，后端统一判断：

1. 先查询当日实时榜单商品总数 ZCARD rank:sale:today:curr
2. 配置最低安全阈值（示例：少于 10 条视为数据不足）
3. 数据充足：正常返回rank:sale:today:curr实时今日排名
4. 数据不足（凌晨新开盘、全天低成交）：自动降级返回rank:sale:today:last昨日完整榜单填充页面，用户无空白感知

伪代码示例：

|-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| java // 查询今日榜单数量 Long todaySize = redis.zcard("rank:sale:today:curr"); String targetKey = "rank:sale:today:curr"; // 不足10条，切换昨日榜单兜底 if (todaySize < 10) { targetKey = "rank:sale:today:last"; } // 返回前N条排行数据 return redis.zrevrangeWithScores(targetKey, 0, 49); |

步骤 6：凌晨 2 点全局校准（终极数据兜底）

1. 仅遍历近 7 天 order_day_spu 中有成交记录的动销商品，绝不扫描全量 SPU；
2. 批量计算 7 日完整加权热度分数，批量更新 goods_rank_total 基准表；
3. 内存排序截取 TOP2000，全覆盖刷新rank:hot:7day:top7 日总榜；
4. 同步刷新rank:hot:white_list头部爆款白名单，更新免门槛商品范围；
5. 不改动当日 curr 榜单，当日榜单依靠日间订单实时填充。

步骤 7：每 2 小时轻巡检，防止榜单长期僵死

巡检范围仅两个小集合：头部白名单 + 15 天新品池，总量上限 3000 条：

1. 批量从 MySQL 拉取精准 7 日分数、当日销量分数；
2. 批量覆盖更新两个榜单 ZSet；
3. 即便全天极少商品达标销量阈值，榜单每两小时自动校准一次，不会一整天静止不动。

六、冷启动完整解决方案

1. 单个新品 SPU 冷启动

1. 独立新品池表，扶持周期 15 天，配置阶梯衰减基础分（1-5 天高值、11-15 天低值）；
2. 新品完全不受 20 单阈值限制，成交 1 单即可计算带基础分的总分、冲榜；
3. 15 天后基础分清零，转为普通商品走阈值规则。

2. Redis 整体宕机 / 清空冷启动

1. 7 日总榜：直接读取 goods_rank_total 预计算分数，LIMIT 2000 批量 ZADD 重建，毫秒级恢复；
2. 当日榜单：读取 order_day_spu 今日动销数据重建 curr，无重建间隙时先用 last 昨日榜单兜底页面；
3. MySQL 汇总表永久留存真值，Redis 只是缓存层，不存在不可逆数据丢失。

3. 平台全新从零搭建冷启动

1. 回放近 7 天订单消息，批量生成 hour/day 两层汇总表；
2. 一次性计算全部动销商品分数，初始化 7 日总榜、白名单；
3. 初始化 curr/last 双当日榜单，切换至正常日间阈值流程。

七、性能、容错、大促降级机制

1. 数据库压力压制

95% 冷门商品无任何聚合查询；计算池永远只有动销 SPU，每日计算量削减 90%+；统计查询全部路由 MySQL 从库。

2. Redis 数据漂移防护

小时级 DB 校对实时销量计数、凌晨全局全覆盖重算，双层抵消加减偏差、消息丢包误差。

3. 退款、刷单数据防失真

支付正向 INCR、退款反向 DECR；全局订单幂等 Set 拦截重复消息；风控过滤虚假订单，脏数据不进入计数链路。

4. 大促峰值降级开关

• 抬高当日榜单阈值（20→50）

• 临时关闭浏览、收藏行为权重，仅以销量计分

• 缩减 TOP 缓存容量（2000→1000）

• 可临时关闭 2 小时巡检，只保留凌晨一次校准

八、分页查询逻辑（用户无感知分层路由）

1. 7 日综合榜

• 排名前 2000：Redis ZREVRANGE 毫秒返回

• 2000 名之后冷门：自动切换 MySQL goods_rank_total 分页查询

2.当日销量榜

• 优先 curr 实时榜单；数量不足自动切 last 昨日榜单兜底

• 分页深度过大同样兜底走 MySQL 基准表

九、方案横向对比表

|-----------------|--------|-----------|-------|--------|--------------|--------------|
| 方案 | 数据库压力 | Redis 压力 | 实时性 | 精准度 | 落地难度 | 页面空白风险 |
| 全量 MySQL 定时计算 | 极高 | 低 | 差 | 高 | 简单，性能差 | 低 |
| 全量商品塞入 ZSet | 低 | 极高 (阻塞风险) | 高 | 高 | 简单，不稳定 | 低 |
| 小时分片重型架构 | 极低 | 中 | 极高 | 极高 | 极重 (集群基建) | 低 |
| 本文阈值准入双榜单方案 | 极低 | 极低 | 高 | 极高 | 极简中小团队友好 | 零空白，自动兜底 |

十、最终总结

1. 核心思路「销量阈值准入 ZSet」完美解决冷热资源分配问题，摒弃无效全量计算；
2. 7 日综合榜单常驻不删除，天然保障首页流量兜底；
3. 当日销量榜单采用 curr/last 双 key 轮换，接口层自动识别数据多少，不足时复用昨日榜单，彻底解决零点新开页面空白；
4. 白名单爆款、新品豁免门槛、凌晨动态降阈值、两小时巡检多层兜底，不会出现榜单一整天静止不动；
5. 整套体系以 MySQL 汇总数据为唯一真值，Redis 只做加速缓存，容错、扩容、大促降级全部配套完善，十万、百万 SPU 体量均可稳定长期运行，是垂直电商、自营商城、创业团队性价比最高的排行榜落地方案。