当前位置:首页 > 文章列表 > 数据库 > Redis > Redis ZSET 怎样查询分数区间内的成员

Redis ZSET 怎样查询分数区间内的成员

来源:17golang原创 2026-10-23 04:57:50 0浏览 收藏

Redis ZSET 按分数区间查询,Redis 6.2 及以上优先使用 ZRANGE key min max BYSCORE;老版本则使用 ZRANGEBYSCORE key min max。默认边界是闭区间,给边界加左括号可以排除该分数,WITHSCORES 可以把成员和分数一起返回。

官方地址:https://redis.io/docs/latest/commands/zrange/

这里的性能基线不是某次本机压测数字,而是返回结果数量 M:官方给出的复杂度为 O(log(N)+M)。所以查询条件正确只是第一步,还要避免在大集合上无界拉取大量成员。

先确认两个数字代表分数,不是排名

ZSET 的成员按 score 升序组织;如果两个成员分数相同,它们再按成员字符串的字典序排列。按区间查询时,min 和 max 是分数边界,不是像普通 ZRANGE key start stop 那样的下标。

需求命令形态边界含义
按分数闭区间ZRANGE key 90 95 BYSCORE包含 90 和 95
排除下界ZRANGE key (90 95 BYSCORE大于 90 且不超过 95
只看数量ZCOUNT key 90 95不返回成员列表

查询一个闭区间,并决定是否带回分数

# 删除隔离演示键,避免把旧成员混进结果
DEL demo:zset:score-range

# 写入成员和分数;同一个 member 再次写入会更新它的 score
ZADD demo:zset:score-range 72 "api" 86 "cache" 91 "queue" 91 "stream" 97 "search"

# 查询 90 到 95 的闭区间,并把每个成员的 score 一起返回
ZRANGE demo:zset:score-range 90 95 BYSCORE WITHSCORES

这条查询应命中 score 为 91 的两个成员,返回顺序先按分数,再在同分时按成员字典序。业务代码如果需要展示“成员对应多少分”,应保留 WITHSCORES 的成对返回关系,不要只取偶数或奇数位置后再猜测映射。

ZSET成员、score与BYSCORE区间边界的静态关系
图1:ZSET 分数区间说明图,查看成员、score、BYSCORE 边界和 WITHSCORES 返回关系;这是静态说明图,不是控制台截图。

开区间、无界区间和倒序要写清楚

Redis 用边界前的 ( 表示排除该边界。例如 (90 95 表示大于 90 且小于等于 95;90 (95 则排除 95。若一端没有业务上限,可以用 -inf 或 +inf,不要把很大的业务数字当成“无限”。

# 排除 90,只保留 90 到 95 之间的成员
ZRANGE demo:zset:score-range (90 95 BYSCORE WITHSCORES

# 查询不低于 90 的所有成员;上界使用正无穷
ZRANGE demo:zset:score-range 90 +inf BYSCORE WITHSCORES

# 从高分到低分返回 95 到 90;REV 模式下把较高分写在前面
ZRANGE demo:zset:score-range 95 90 BYSCORE REV WITHSCORES

# 旧版 Redis 没有 ZRANGE BYSCORE 时使用兼容命令
ZRANGEBYSCORE demo:zset:score-range 90 95 WITHSCORES

ZRANGE ... BYSCORE 是 Redis 6.2 起的统一写法,它还可以配合 REV 和 LIMIT。如果线上仍有旧版本,先确认客户端和服务端支持的命令,再决定是否统一改写;不要把按下标的 ZRANGE key 0 10 误当成按分数查询。

ZSET闭区间开区间无界和倒序边界静态关系
图2:分数边界说明图,区分闭区间、排除边界、无界端点和 REV 的查询方向;这是结构说明图,不代表一次真实运行结果。

用 LIMIT 控制返回量,别让分页变成无界读取

当一个区间可能命中很多成员时,先把每页大小定为明确的 count。复杂度中的 M 会随返回条数增长,固定页大小能同时控制响应体和客户端解析压力。

offset 分页适合结果在翻页期间基本稳定的场景。若成员会频繁新增、删除或更新 score,前一页之后结果集可能已经变化,后续页可能出现重复或遗漏;这时要把“查询时刻的一致性”作为接口契约重新设计,而不是只把 offset 加 20。

同分成员的字典序也会影响边界附近的展示顺序。若业务要求稳定排序,应让成员命名规则和分页策略共同承担这个约束;只记录最后一个 score、却不记录同分成员的次序,仍可能在并发更新时产生不稳定结果。

常见问题

为什么查询 90 到 95 没有返回 95? 先确认是否写成了 90 (95,右边括号会排除 95;还要确认成员的实际 score 是否就是 95。

为什么返回结果很多? 分数范围可能本来就很宽。使用 LIMIT offset count 限制单页数量,或先用 ZCOUNT 了解命中规模。

ZRANGE 和 ZRANGEBYSCORE 怎么选? Redis 6.2 及以上优先用 ZRANGE ... BYSCORE;需要兼容更老版本时继续用 ZRANGEBYSCORE。

实际落地时可以按这个顺序判断:先确认两个边界是 score,再明确是否包含端点;需要展示分数就加 WITHSCORES,需要倒序就使用 REV,结果可能很大就加 LIMIT。这样查询语义和返回成本都能在命令层表达清楚。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Redis Hash 怎样一次读取多个字段并设置 TTLRedis Hash 怎样一次读取多个字段并设置 TTL
上一篇
Redis Hash 怎样一次读取多个字段并设置 TTL
Redis Lua 脚本怎样通过 KEYS 和 ARGV 区分参数
下一篇
Redis Lua 脚本怎样通过 KEYS 和 ARGV 区分参数
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    603次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    643次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    673次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    639次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    460次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码