游戏开发笔记 - 排行榜设计

2024-01-03

全文 ≈ 780字 | 预计阅读时长 3分钟

大部分游戏中都有排行榜的存在，既可以展示玩家分数之间的排名，也可以用于激发玩家的胜负欲。

思路

排行榜的设计思路比较粗暴，谁的分数高谁在前，分数一致谁先达成谁在前。实现方式有多种，这里列举常见的2种：

数据库

通过任务定时查询数据库进行排序，然后储存在内存中。优点是逻辑简单，缺点是不能实时排名。

Redis

使用zset（有序集合）存储数据，利用score存储不同的指标来实现各种排行榜。优点是能实时查询，缺点是逻辑相对复杂。

数据库

1	select `id`,`score` from `roles` order by score desc limit 200; -- 按照score排名，取top200

Redis

插入/更新数据

zAdd {key} {score float} {member string}

> zAdd rank:score 60.5 pp
> zAdd rank:score 83 lt
> zAdd rank:score 92 wx
> zAdd rank:score 81.5 wl

查询列表

zRevRange {key} {min int} {max int}

min和max指的是数据下标，从0开始

> zRevRange rank:score 0 -1
1) "wx"
2) "lt"
3) "wl"
4) "pp"

查询排名

zRevRank {key} {member string}

1 2	> zRevRank rank:score pp (integer) 3

实现逻辑

func setRank(key string, roleId uint32, score float64) {
	roleIdStr := RoleId2Str(roleId)
	ctx := context.Background()
	db.Redis.ZAdd(ctx, key, redis.Z{
		Score:  score,
		Member: roleIdStr,
	})
}

func getRankList(key string) []uint32 {
	ctx := context.Background()
	// TODO 排行榜只保留前200名
	i := db.Redis.ZCard(ctx, key)
	if l := i.Val(); l > enums.RANK_MAX_NUM {
		db.Redis.ZRemRangeByRank(ctx, key, 0, l-enums.RANK_MAX_NUM-1)
	}
	s := db.Redis.ZRevRange(ctx, key, 0, -1)
	roleIds := make([]uint32, 0)
	for _, v := range s.Val() {
		roleIds = append(roleIds, Str2RoleId(v))
	}
	return roleIds
}

func getMyRank(key string, roleId uint32) uint32 {
	roleIdStr := RoleId2Str(roleId)
	ctx := context.Background()
	s := db.Redis.ZRevRank(ctx, key, roleIdStr)
	if s.Val() >= enums.RANK_MAX_NUM {
		return 0
	}
	// TODO 下标从0开始所以加1
	return uint32(s.Val() + 1)
}

排行榜分页

func SlicePage(page, pageSize, total int) (s, e int) {
	if page < 0 {
		page = 1
	}
	if pageSize < 0 {
		pageSize = 20
	}
	if pageSize > total {
		return 0, total
	}
	pageMax := int(math.Ceil(float64(total) / float64(pageSize)))
	if page > pageMax {
		return 0, 0
	}
	s = (page - 1) * pageSize
	e = s + pageSize - 1
	if e > total {
		e = total
	}
	return s, e
}
list := []string{
    "wx",
    "lt",
    "wl",
    "pp",
}
page := 1
pageSize := 10
s, e := helpers.SlicePage(page, pageSize, len(list))
fmt.Printf("%+v \n", list[s:e])

这样也有一个可能存在的瓶颈问题，当单个排行榜的数据量过大时会影响每次的查询效率。这里可以采用跳数索引的概念来进行优化，原理很简单。

玩家按照分数进行分key存储，即每个分数区间都有对应的key。

比如:

key	定义
rank:score:100	小于100分
rank:score:500	小于500分&大于100分
rank:score:1000	小于1000分&大于500分
rank:score:1000more	大于1000分

进行分段存储后，优点是查询不同区间的排名时检索的数据量显著下降，缺点是查询逻辑比较复杂。比如查询排名，需要计算高于当前分数区间的玩家数量。

最后

2024，新的一年～祝身体健康、财源滚滚、万事顺心。