当前位置:首页 > 文章列表 > 数据库 > Redis > Redis ZINTERSTORE 怎样计算多个集合的交集分值

Redis ZINTERSTORE 怎样计算多个集合的交集分值

来源:17golang原创 2026-10-26 21:05:03 0浏览 收藏

如果几个 Redis 有序集合都保存了同一批对象的不同评分,想要“只保留共同成员,再按规则合成一个分值”,可以使用 ZINTERSTORE。它会把多个 Sorted Set 的交集写入目标键:只有同时出现在所有输入集合中的 member 才会留下,分值默认按对应 score 求和。

真正容易混淆的是三件事:WEIGHTS 按输入集合顺序给 score 乘权重,AGGREGATE 决定多个加权分值如何合并,目标键则会承接本次计算结果。下面用一组固定数据把这三个判断拆开。

先看 ZINTERSTORE 的输入与交集成员

先准备三个有序集合。它们共同拥有 alice 和 carol,而 bob 只存在于前两个集合,因此不会进入三者交集。

# 三个集合分别代表三种评分来源;分值只是示例数据
redis-cli ZADD rank:click 90 alice 70 bob 60 carol
redis-cli ZADD rank:buy 40 alice 80 bob 95 carol
redis-cli ZADD rank:review 5 alice 9 carol 7 dave

# 目标键只接收同时出现在三个输入集合中的 member
redis-cli ZINTERSTORE rank:all 3 rank:click rank:buy rank:review

# WITHSCORES 同时读出 member 和计算后的 score
redis-cli ZRANGE rank:all 0 -1 WITHSCORES

默认规则是 SUM:alice 的结果为 90+40+5=135,carol 的结果为 60+95+9=164。bob 和 dave 因为缺少至少一个输入集合,不会被写入目标键。

Redis ZINTERSTORE 三个输入有序集合、共同 member、原始 score 与目标键的关系说明图
图1:ZINTERSTORE 输入集合与交集成员的结构说明图,不是运行截图或执行证据。

WEIGHTS 按输入顺序改变每个分值

如果点击、购买、评价三个来源的业务重要性不同,可以在命令后追加 WEIGHTS。权重的第一个数字对应第一个输入键,第二个对应第二个输入键,不能按 member 名称理解。

# 权重依次对应 rank:click、rank:buy、rank:review
# alice 的结果 = 90*1 + 40*3 + 5*10 = 260
redis-cli ZINTERSTORE rank:weighted 3 \
  rank:click rank:buy rank:review \
  WEIGHTS 1 3 10

# 读取时按分值升序查看结果;需要倒序可使用 ZREVRANGE
redis-cli ZRANGE rank:weighted 0 -1 WITHSCORES

这里的权重只改变分值,不改变交集成员集合。权重为 0 会让该来源不再影响最终分值;负权重也会参与计算,因此生产代码要先确认排序方向是否仍符合业务含义。

AGGREGATE 决定多个加权分值如何合并

每个共同 member 先得到多个“加权后的输入分值”,再按聚合规则合并。默认是 SUM,也可以显式指定 MIN、MAX 或 COUNT。

# 取三个来源中最保守的加权分值
redis-cli ZINTERSTORE rank:min 3 \
  rank:click rank:buy rank:review \
  WEIGHTS 1 3 10 AGGREGATE MIN

# 统计共同出现的来源数量;COUNT 不使用加权分值做加法
redis-cli ZINTERSTORE rank:count 3 \
  rank:click rank:buy rank:review \
  AGGREGATE COUNT

SUM 适合累积贡献,MIN 适合“短板决定结果”,MAX 适合保留最强来源,COUNT 则把结果解释为共同出现的集合数量。选择规则时应先写清分值的业务语义,再决定是否需要权重。

Redis ZINTERSTORE 输入 score、WEIGHTS、AGGREGATE、最终 score 与 WITHSCORES 的关系说明图
图2:权重与聚合规则的静态关系说明图,不是运行截图或执行证据。

目标键覆盖、空交集和结果核对

ZINTERSTORE 会把结果写入目标键。再次使用同一个目标键时,应把它当作一次新的计算结果,而不是自动追加。若某个输入键不存在,或者没有 member 同时存在于所有输入集合,目标结果会为空。

# 先删除旧目标键,便于示例中明确观察一次完整计算
redis-cli DEL rank:all

# 重新计算并读取结果;返回值是写入目标键的 member 数量
redis-cli ZINTERSTORE rank:all 3 rank:click rank:buy rank:review
redis-cli ZCARD rank:all
redis-cli ZRANGE rank:all 0 -1 WITHSCORES

排查结果时按四项核对:输入键数量是否与 numkeys 一致;WEIGHTS 是否仍与输入键一一对应;是否误把不存在的 key 当成空集合之外的异常;读取时是否带上 WITHSCORES。另外,交集计算会写入目标键,目标键较大或输入集合较多时要把命令的计算成本纳入调用窗口。

常见问题

ZINTERSTORE 和 ZINTER 有什么区别?

两者都可以计算有序集合交集,但 ZINTERSTORE 把结果写入目标键,ZINTER 直接返回结果。需要复用结果或让后续命令继续读取时,选择存储型命令;只需要一次读取时再考虑返回型命令。

为什么结果里少了某些 member?

因为它没有同时出现在全部输入集合中。先分别用 ZSCORE 检查该 member 在每个输入键中的存在性,再检查输入键顺序和 numkeys。

为什么分值和预想不同?

先确认是否追加了 WEIGHTS,再确认 AGGREGATE 是否为默认的 SUM。权重按输入键位置匹配,不按集合名称排序。

记住一句话:先由所有输入集合决定“谁能进入交集”,再由 WEIGHTS 和 AGGREGATE 决定“进入后的分值是多少”,最后从目标键读取并核对结果。

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 ZPOPMIN 怎样实现按分值取出任务Redis ZPOPMIN 怎样实现按分值取出任务
上一篇
Redis ZPOPMIN 怎样实现按分值取出任务
Redis BITFIELD 怎样在字符串中读写小整数
下一篇
Redis BITFIELD 怎样在字符串中读写小整数
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。
    718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。
    725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。
    801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。
    761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。
    598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