个人记录：2018年，工作的第6到7个年头。
重点研究自己不太擅长的技术：分布式、高并发、大数据量、数据库优化、高性能、负载均衡等。
刷题是一种态度，是一种好习惯。
我刷题，我骄傲。
题目：游戏里 经常有涉及 用户排行榜（金币消费排行榜），怎么设计一个良好的排行榜。
诸如 几千万的用户量， 每个用户消费金币的频率也比较高。 排行榜 从数据采集 到 排行 一整套下来。有什么样的设计方案。
问题出处：http://ifeve.com/question/%e6%b8%b8%e6%88%8f%e9%87%8c-%e7%bb%8f%e5%b8%b8%e6%9c%89%e6%b6%89%e5%8f%8a-%e7%94%a8%e6%88%b7%e6%8e%92%e8%a1%8c%e6%a6%9c%ef%bc%88%e9%87%91%e5%b8%81%e6%b6%88%e8%b4%b9%e6%8e%92%e8%a1%8c%e6%a6%9c%ef%bc%89/
个人看法
第1次上线，系统全量统计，取TOP1000。
后续，白天，每小时近实时统计前TOP10000，刷新TOP1000。理由是，正常的消费，当天的TOP1000，99.9%的概率，存在于前一天的TOP10000。
（如果不放心，当用户一次消费大于一定金额，比如10000的时候，把此用户id加入每小时近实时统计）
夜间，全量统计一次。
如果数据量特别大，每周全量统计一次。
采用递增的统计方式，第1次上线全量统计，后续有消费行为的时候，发送一个MQ消息，累加到数据库。
TOP1000和TOP10000等数据，缓存到Redis中。
user amount
1 1000
2 900
3 800
全量统计可能没有必要：如果按天统计，过去消费记录，统计之后，几乎不会再变化。只按天统计，累加也行。
总结：定期全量统计，小时统计+MQ消息累加+缓存。
建议：
上线统计所有，比如，截止到前1天1000消费。
每天，统计当天的，存到数据库。
每天第1次查询，取TOP10000缓存到Redis，取TOP1000展示。
如果TOP10000，有消费MQ，实时累加，缓存到Redis。
每天，夜间继续统计前一天的。
是否有必要统计所有天数的，核对数据，看情况。
网友看法
hellocrest
对于数据量较大，并且易变的数据，可以将数据放入缓存中。通过缓存来实现排行榜功能，同时，还要保证缓存与db中的数据一致。
梦朝思夕
我建议，可以分地区，这样一个地区内的数据先排序好，这样就可以减少排序时间，再将排序的地区，进行top K算法，获取先N个。
重点研究自己不太擅长的技术：分布式、高并发、大数据量、数据库优化、高性能、负载均衡等。
刷题是一种态度，是一种好习惯。
我刷题，我骄傲。
题目：游戏里 经常有涉及 用户排行榜（金币消费排行榜），怎么设计一个良好的排行榜。
诸如 几千万的用户量， 每个用户消费金币的频率也比较高。 排行榜 从数据采集 到 排行 一整套下来。有什么样的设计方案。
问题出处：http://ifeve.com/question/%e6%b8%b8%e6%88%8f%e9%87%8c-%e7%bb%8f%e5%b8%b8%e6%9c%89%e6%b6%89%e5%8f%8a-%e7%94%a8%e6%88%b7%e6%8e%92%e8%a1%8c%e6%a6%9c%ef%bc%88%e9%87%91%e5%b8%81%e6%b6%88%e8%b4%b9%e6%8e%92%e8%a1%8c%e6%a6%9c%ef%bc%89/
个人看法
第1次上线，系统全量统计，取TOP1000。
后续，白天，每小时近实时统计前TOP10000，刷新TOP1000。理由是，正常的消费，当天的TOP1000，99.9%的概率，存在于前一天的TOP10000。
（如果不放心，当用户一次消费大于一定金额，比如10000的时候，把此用户id加入每小时近实时统计）
夜间，全量统计一次。
如果数据量特别大，每周全量统计一次。
采用递增的统计方式，第1次上线全量统计，后续有消费行为的时候，发送一个MQ消息，累加到数据库。
TOP1000和TOP10000等数据，缓存到Redis中。
user amount
1 1000
2 900
3 800
全量统计可能没有必要：如果按天统计，过去消费记录，统计之后，几乎不会再变化。只按天统计，累加也行。
总结：定期全量统计，小时统计+MQ消息累加+缓存。
建议：
上线统计所有，比如，截止到前1天1000消费。
每天，统计当天的，存到数据库。
每天第1次查询，取TOP10000缓存到Redis，取TOP1000展示。
如果TOP10000，有消费MQ，实时累加，缓存到Redis。
每天，夜间继续统计前一天的。
是否有必要统计所有天数的，核对数据，看情况。
网友看法
hellocrest
对于数据量较大，并且易变的数据，可以将数据放入缓存中。通过缓存来实现排行榜功能，同时，还要保证缓存与db中的数据一致。
梦朝思夕
我建议，可以分地区，这样一个地区内的数据先排序好，这样就可以减少排序时间，再将排序的地区，进行top K算法，获取先N个。