在电商平台的日常运营中，实时热销商品排行榜是提升用户决策效率、拉动高转化商品曝光的核心功能。当数据量达到千万级时，传统数据库的排序查询会面临性能瓶颈，而 Redis 的 Sorted Set（有序集合）凭借其高效的插入、排序和查询特性，成为实现该功能的最优解。本文将详细讲解如何基于 SpringBoot 整合 Redis，搭建支持千万级数据量的实时热销商品排行榜系统。

1

核心客户群体与价值

排行榜系统需满足多角色的核心需求，其设计需围绕业务价值展开：

• 运营人员：不仅需要实时监控热销商品的排名波动趋势，还能基于排行榜数据制定定向促销策略（如对 Top 10 商品推出 “组合优惠”），同时识别 “潜力商品”（排名快速上升的商品）进行资源倾斜。

• 商家：通过查看自家商品的排名和评分（如销量、好评率加权分），可精准调整库存备货策略（避免 Top 商品缺货），优化供应链节奏，同时对标竞品排名优化商品详情页和定价。

• 消费者：无需在海量商品中筛选，通过排行榜快速定位 “高人气、高口碑” 商品，缩短决策路径，同时降低 “踩坑” 风险（避免购买冷门低质商品）。

2

核心功能需求定义

基于业务场景，系统需实现 5 个核心功能，且每个功能需满足 “实时性、高可用” 要求：

功能模块	详细描述	输入参数	输出结果
商品添加 / 分数更新	支持新商品加入排行榜，或已有商品分数累加（如销量每增加 1，分数 +1）	productId（商品 ID）、score（分数）、category（分类，可选）	操作结果（成功 / 失败）、时间戳
商品从排行榜移除	支持因商品下架、违规等场景移除商品，采用硬删除（避免无效数据占用内存）	productId、category（可选）	操作结果（成功 / 失败）、删除条数
查询商品实时排名	按分数降序排列（分数越高排名越前），返回排名（从 0 开始，前端需 +1 展示）	productId、category（可选）	商品排名（无此商品返回 -1）
查询商品当前评分	实时返回商品的累计分数（如分数 = 销量 ×0.6 + 好评数 ×0.4）	productId、category（可选）	商品分数（无此商品返回 null）
获取 Top N 热销商品	支持按分类筛选，返回前 N 个商品的 ID 和分数（方便前端展示 “销量 / 热度”）	count（数量）、category（可选）	商品列表（含 productId、score）

3

系统设计关键技术点

千万级数据场景下，系统需突破 “性能、一致性、可扩展” 三大核心挑战，关键设计如下：

1. 高性能与低延迟

• 利用 Redis 单线程模型（避免线程切换开销）处理并发请求，配合 SpringBoot 的异步接口（@Async）减少请求阻塞；

• 配置 Redis 连接池（如 lettuce 连接池），设置 max-active=200、max-idle=50、min-idle=20，避免频繁创建 / 销毁连接；

• 基于 Redis Sorted Set 的 O (logN) 插入 / 更新效率，确保商品分数变动实时同步到排行榜。

2. 数据一致性保障

• 使用 Redis 原生命令（如 ZADD、ZINCRBY）保证单操作原子性；复杂场景（如 “更新分数 + 记录日志”）通过 Lua 脚本封装，避免分布式事务问题；

• 若采用多 Redis 节点，通过 Redis Cluster 的哈希槽分片（16384 个槽）确保数据均匀分布，同时开启副本同步（replicaof）避免单点数据丢失。

3. 可扩展性设计

• 前端通过 Nginx 转发请求到多 SpringBoot 实例，后端 Redis Cluster 自动实现节点负载分担；

• 按商品分类（如 “家电”“服装”）拆分排行榜 Key（如 hotproducts:homeappliance、hot_products:clothing），避免单 Key 数据量过大（单 Key 建议不超过 1000 万）。

4. 持久化与容灾

• 开启 Redis 的 RDB（定时全量备份）+ AOF（实时增量日志）混合模式，RDB 用于快速恢复，AOF 确保数据丢失不超过 1 秒；

• Redis Cluster 支持自动故障转移（当主节点下线，从节点通过选举成为新主），恢复时间控制在 10 秒内。

5. 内存与安全优化

• 设置 Redis 最大内存（maxmemory），搭配 volatile-lru 淘汰策略（优先淘汰过期的排行榜数据）；定期清理历史数据（如超过 30 天的冷门商品）；

• 配置 Redis 密码（requirepass）、IP 白名单（bind 内网 IP），禁用危险命令（如 FLUSHDB、KEYS），传输层启用 TLS 加密（避免数据泄露）。

4

代码实操：从 0 到 1 搭建系统

1. 依赖引入（pom.xml）

核心依赖包括 SpringBoot Web、Spring Data Redis、Lettuce 连接池（默认）、Lombok，确保版本兼容（SpringBoot 2.7.x + Redis 6.x）：

<dependencies>    <!-- SpringBoot Web 核心 -->    <dependency>        <groupId>org.springframework.boot</groupId>        <artifactId>spring-boot-starter-web</artifactId>    </dependency>    <!-- Spring Data Redis（集成 Lettuce 连接池） -->    <dependency>        <groupId>org.springframework.boot</groupId>        <artifactId>spring-boot-starter-data-redis</artifactId>    </dependency>    <!-- Lombok 简化代码 -->    <dependency>        <groupId>org.projectlombok</groupId>        <artifactId>lombok</artifactId>        <optional>true</optional>    </dependency>    <!-- 测试依赖 -->    <dependency>        <groupId>org.springframework.boot</groupId>        <artifactId>spring-boot-starter-test</artifactId>        <scope>test</scope>    </dependency></dependencies>

2. Redis 配置（application.yml）

相比原文的极简配置，此处补充连接池、持久化、超时时间等生产级配置：

spring:  redis:    # 基础连接信息    host: 127.0.0.1    port: 6379    password: your_redis_password  # 生产环境必须设置密码    database: 0  # 选择第 0 个数据库（避免与其他业务冲突）    # 连接池配置（Lettuce）    lettuce:      pool:        max-active: 200  # 最大活跃连接数        max-idle: 50     # 最大空闲连接数        min-idle: 20     # 最小空闲连接数        max-wait: 3000ms # 连接获取超时时间    # 超时配置    timeout: 5000ms  # 命令执行超时时间  # 多环境区分（测试环境才生成测试数据）  profiles:    active: dev

3. 核心实体与 DTO

• 补充分类字段，支持多分类排行榜；

• 返回前端时包含商品 ID、分数、排名，避免前端二次计算：

// 商品实体类@Data@NoArgsConstructor@AllArgsConstructorpublic class Product {    private String id;         // 商品ID（如 product_123）    private String name;       // 商品名称    private String category;   // 商品分类（如 home_appliance）}// 排行榜返回DTO@Data@NoArgsConstructor@AllArgsConstructorpublic class ProductRankDTO {    private String productId;  // 商品ID    private Double score;      // 商品分数    private Long rank;         // 商品排名（从 1 开始）}

4. Redis 核心服务类

封装排行榜的所有操作，新增分数累加、按分类查询功能，优化返回结果：

@Service@Slf4jpublic class HotProductService {    // 排行榜Key前缀（拼接分类形成最终Key，如 hot_products:home_appliance）    private static final String RANK_KEY_PREFIX = "hot_products:";    private final StringRedisTemplate redisTemplate;    // 构造注入（避免字段注入）    @Autowired    public HotProductService(StringRedisTemplate redisTemplate) {        this.redisTemplate = redisTemplate;    }    /**     * 1. 添加/更新商品分数（支持分数累加）     * @param productId 商品ID     * @param score 分数（正数累加，负数减少）     * @param category 商品分类（默认 default）     * @return 操作后的分数     */    public Double addOrUpdateProductScore(String productId, double score, String category) {        if (StringUtils.isEmpty(productId) || score == 0) {            throw new IllegalArgumentException("商品ID不能为空，分数不能为0");        }        String rankKey = getRankKey(category);        try {            // ZINCRBY：原子性累加分数，不存在则创建            return redisTemplate.opsForZSet().incrementScore(rankKey, productId, score);        } catch (Exception e) {            log.error("更新商品[{}]分数失败", productId, e);            throw new RuntimeException("排行榜操作失败");        }    }    /**     * 2. 从排行榜移除商品     * @param productId 商品ID     * @param category 商品分类     * @return 移除的条数（0表示无此商品）     */    public Long removeProductFromRank(String productId, String category) {        if (StringUtils.isEmpty(productId)) {            throw new IllegalArgumentException("商品ID不能为空");        }        String rankKey = getRankKey(category);        try {            return redisTemplate.opsForZSet().remove(rankKey, productId);        } catch (Exception e) {            log.error("移除商品[{}]失败", productId, e);            throw new RuntimeException("排行榜操作失败");        }    }    /**     * 3. 查询商品排名（降序，分数越高排名越前）     * @param productId 商品ID     * @param category 商品分类     * @return 排名（从 1 开始，无此商品返回 -1）     */    public Long getProductRank(String productId, String category) {        if (StringUtils.isEmpty(productId)) {            throw new IllegalArgumentException("商品ID不能为空");        }        String rankKey = getRankKey(category);        // ZREVRANK：返回降序排名（0开始），转成1开始的排名        Long rank = redisTemplate.opsForZSet().reverseRank(rankKey, productId);        return rank == null ? -1 : rank + 1;    }    /**     * 4. 查询商品当前分数     * @param productId 商品ID     * @param category 商品分类     * @return 分数（无此商品返回 null）     */    public Double getProductScore(String productId, String category) {        if (StringUtils.isEmpty(productId)) {            throw new IllegalArgumentException("商品ID不能为空");        }        String rankKey = getRankKey(category);        return redisTemplate.opsForZSet().score(rankKey, productId);    }    /**     * 5. 获取 Top N 商品（带排名和分数）     * @param count 数量（如 10 表示 Top 10）     * @param category 商品分类     * @return 商品排名列表（按排名升序）     */    public List<ProductRankDTO> getTopNProducts(int count, String category) {        if (count <= 0 || count > 1000) {            throw new IllegalArgumentException("数量需在 1-1000 之间");        }        String rankKey = getRankKey(category);        // ZREVRANGE_WITHSCORES：降序获取前 N 条（0 到 count-1），包含分数        Set<ZSetOperations.TypedTuple<String>> tupleSet =             redisTemplate.opsForZSet().reverseRangeWithScores(rankKey, 0, count - 1);
        if (CollectionUtils.isEmpty(tupleSet)) {            return Collections.emptyList();        }        // 转换为 DTO 列表（排名从 1 开始）        List<ProductRankDTO> rankList = new ArrayList<>();        long rank = 1;        for (ZSetOperations.TypedTuple<String> tuple : tupleSet) {            rankList.add(new ProductRankDTO(                tuple.getValue(),                tuple.getScore(),                rank++            ));        }        return rankList;    }    /**     * 生成排行榜Key（前缀 + 分类，分类为空则用 default）     */    private String getRankKey(String category) {        return RANK_KEY_PREFIX + (StringUtils.isEmpty(category) ? "default" : category);    }}

5. REST 接口控制器

提供 RESTful 接口，统一响应格式，支持前端调用：

@RestController@RequestMapping("/api/hot-products")@Slf4jpublic class HotProductController {    private final HotProductService hotProductService;    @Autowired    public HotProductController(HotProductService hotProductService) {        this.hotProductService = hotProductService;    }    // 1. 添加/更新商品分数    @PostMapping("/score")    public ResponseEntity<ResultDTO> updateProductScore(            @RequestParam String productId,            @RequestParam double score,            @RequestParam(required = false, defaultValue = "default") String category) {        Double newScore = hotProductService.addOrUpdateProductScore(productId, score, category);        return ResponseEntity.ok(ResultDTO.success("分数更新成功", newScore));    }    // 2. 移除商品    @DeleteMapping("/{productId}")    public ResponseEntity<ResultDTO> removeProduct(            @PathVariable String productId,            @RequestParam(required = false, defaultValue = "default") String category) {        Long removeCount = hotProductService.removeProductFromRank(productId, category);        String msg = removeCount > 0 ? "商品移除成功" : "商品不存在";        return ResponseEntity.ok(ResultDTO.success(msg, removeCount));    }    // 3. 查询商品排名    @GetMapping("/{productId}/rank")    public ResponseEntity<ResultDTO> getProductRank(            @PathVariable String productId,            @RequestParam(required = false, defaultValue = "default") String category) {        Long rank = hotProductService.getProductRank(productId, category);        return ResponseEntity.ok(ResultDTO.success("排名查询成功", rank));    }    // 4. 查询商品分数    @GetMapping("/{productId}/score")    public ResponseEntity<ResultDTO> getProductScore(            @PathVariable String productId,            @RequestParam(required = false, defaultValue = "default") String category) {        Double score = hotProductService.getProductScore(productId, category);        return ResponseEntity.ok(ResultDTO.success("分数查询成功", score));    }    // 5. 获取 Top N 商品    @GetMapping("/top/{count}")    public ResponseEntity<ResultDTO> getTopNProducts(            @PathVariable int count,            @RequestParam(required = false, defaultValue = "default") String category) {        List<ProductRankDTO> topList = hotProductService.getTopNProducts(count, category);        return ResponseEntity.ok(ResultDTO.success("Top N 查询成功", topList));    }    // 统一响应DTO    @Data    @NoArgsConstructor    @AllArgsConstructor    public static class ResultDTO {        private int code;    // 状态码（200成功，500失败）        private String msg;  // 消息        private Object data; // 数据        public static ResultDTO success(String msg, Object data) {            return new ResultDTO(200, msg, data);        }        public static ResultDTO fail(String msg) {            return new ResultDTO(500, msg, null);        }    }}

6. 测试数据生成器（仅 dev 环境）

使用 Redis Pipeline 批量插入数据，提升千万级数据的插入效率（避免单条插入的网络开销）：

@Component@Profile("dev") // 仅在 dev 环境生效@Slf4jpublic class TestDataGenerator {    private final HotProductService hotProductService;    private final StringRedisTemplate redisTemplate;    @Autowired    public TestDataGenerator(HotProductService hotProductService, StringRedisTemplate redisTemplate) {        this.hotProductService = hotProductService;        this.redisTemplate = redisTemplate;    }    /**     * 生成千万级测试数据（按分类拆分，避免单Key过大）     */    @Async // 异步执行，不阻塞启动    public void generateMillionTestData() {        log.info("开始生成千万级测试数据...");        long start = System.currentTimeMillis();        // 按 3 个分类拆分数据（每个分类约 333 万条）        String[] categories = {"home_appliance", "clothing", "electronics"};        for (String category : categories) {            String rankKey = "hot_products:" + category;            // 使用 Pipeline 批量插入（减少网络往返）            redisTemplate.executePipelined((RedisCallback<Void>) connection -> {                for (int i = 1; i <= 3333333; i++) {                    String productId = "product_" + category + "_" + i;                    double score = Math.random() * 100000; // 分数 0-100000                    // 批量执行 ZADD 命令                    connection.zAdd(                        rankKey.getBytes(StandardCharsets.UTF_8),                        score,                        productId.getBytes(StandardCharsets.UTF_8)                    );                }                return null;            });            log.info("分类[{}]数据生成完成，约 333 万条", category);        }        long end = System.currentTimeMillis();        log.info("千万级测试数据生成完成，耗时：{} 秒", (end - start) / 1000);    }}

7. 启动类

实现 CommandLineRunner，在启动后自动执行测试数据生成（仅 dev 环境）：

@SpringBootApplication@EnableAsync // 开启异步支持public class HotProductRankApplication implements CommandLineRunner {    private final TestDataGenerator testDataGenerator;    @Autowired    public HotProductRankApplication(TestDataGenerator testDataGenerator) {        this.testDataGenerator = testDataGenerator;    }    public static void main(String[] args) {        SpringApplication.run(HotProductRankApplication.class, args);    }    // 启动后执行测试数据生成    @Override    public void run(String... args) throws Exception {        testDataGenerator.generateMillionTestData();    }}

5

测试结果验证

启动应用后（dev 环境），通过 Postman 或 curl 调用接口，验证功能正确性：

1. 获取家电分类 Top 5 商品

GET /api/hot-products/top/5?category=home_appliance

响应：

{  "code": 200,  "msg": "Top N 查询成功",  "data": [    {      "productId": "product_home_appliance_123456",      "score": 99876.54,      "rank": 1    },    {      "productId": "product_home_appliance_789012",      "score": 99765.32,      "rank": 2    },    {      "productId": "product_home_appliance_345678",      "score": 99654.10,      "rank": 3    },    {      "productId": "product_home_appliance_901234",      "score": 99543.88,      "rank": 4    },    {      "productId": "product_home_appliance_567890",      "score": 99432.66,      "rank": 5    }  ]}

2. 查询指定商品排名

• 请求：GET /api/hot-products/product_home_appliance_123456/rank?category=home_appliance

• 响应：

{  "code": 200,  "msg": "排名查询成功",  "data": 1}

3. 累加商品分数（如销量增加 100，分数 +100）

• 请求：POST /api/hot-products/score?productId=product_home_appliance_123456&score=100&category=home_appliance

• 响应：

{  "code": 200,  "msg": "分数更新成功",  "data": 99976.54}

6

生产环境注意事项

1. 测试数据控制

   TestDataGenerator 仅在 dev 环境启用，生产环境需通过 spring.profiles.active=prod 禁用，避免误生成大量测试数据；

2. 性能监控

   部署 Prometheus + Grafana，监控 Redis 的 used_memory（内存使用）、zadd/zrevrange 命令耗时、SpringBoot 接口响应时间，阈值告警（如接口耗时超过 50ms 告警）；

3. 避免大 Key

   单排行榜 Key 的数据量建议不超过 1000 万，若商品分类过多，可按 “分类 + 日期” 拆分 Key（如 hot_products:home_appliance:20241001），定期清理历史 Key；

4. 数据同步

   若商品分数来源于 MySQL（如销量、好评数），通过 Canal 监听 MySQL binlog，实时同步数据到 Redis，避免人工调用接口更新；

5. Redis 集群部署

   千万级数据需至少 3 主 3 从 Redis Cluster，每个主节点内存配置不低于 8GB，确保分片均匀和高可用。

7

系统优化建议

• 引入 Redisearch 插件，实现 “按商品名模糊搜索并返回排名”（如搜索 “冰箱”，返回冰箱类商品的排行榜）；

• 对 Top 100 商品的详情信息（如名称、图片、价格）缓存到本地 Caffeine，减少 Redis 访问次数；

• 通过 Redis 的 Keyspace Notifications（键空间通知），监听排行榜分数变动，实时推送排名变化到前端（如 WebSocket），提升用户体验。

通过以上设计，系统可稳定支持千万级数据量的实时排行榜需求，兼顾性能、一致性和可扩展性，完全满足电商平台的生产级应用场景。

8

后端技术交流群

我们致力于创建一个高质量的技术交流社区，欢迎编程开发者和技术招聘HR专业人士加入。同时，我们也鼓励大家分享自己公司的内部推荐机会，互相协作，共同提升！

交流技术 职位内推 行业探讨

广告人士勿入，切勿轻信私聊，防止被骗