当前位置:首页 > 文章列表 > 数据库 > Redis > Redis Sorted Set 怎样按 score 做稳定分页

Redis Sorted Set 怎样按 score 做稳定分页

来源:17golang原创 2026-11-11 19:53:12 0浏览 收藏

Redis Sorted Set 按 score 分页时,建议把 last_score 和 last_member 一起放进游标。score 负责主排序,member 负责同分时的确定性排序;只保存 score,会在同分数据较多时重复读取或漏掉记录。

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

稳定分页的核心不是把 offset 换成一个数字,而是把上一页最后一条记录的完整排序位置保存下来。Redis 对相同 score 的 member 按字典序排列,因此游标至少要包含 score 和 member。

先固定 score 和 member 的排序规则

Sorted Set 的每个 member 都有一个 score。不同 score 按数值排序;score 相同的 member 再按字典序排列,而且 member 本身不能重复。这个规则就是分页接口的排序契约。

例如,下面四条记录的实际顺序是 task-a、task-b、task-c、task-d。其中前三条 score 相同,不能只用 10 表示第三条的位置。

# 用固定的 member 作为同分记录的确定性次序
redis-cli ZADD feed 10 task-a 10 task-b 10 task-c 11 task-d

# 按 score 读取,同时返回 member 和 score,便于生成下一页游标
redis-cli ZRANGE feed -inf +inf BYSCORE WITHSCORES
Redis Sorted Set 中 score 主排序与 member 同分排序的静态结构说明图
图1:结构说明图,展示 score 排序层与同分 member 排序层的关系;这是静态说明图,不是运行截图。

第一页和后续页怎样设计参数

第一页可以从负无穷查询到正无穷,再取固定数量。响应里同时返回最后一条记录的 score 和 member,并把它们编码成下一次请求的 cursor。不要把用户传入的 offset 直接作为长期分页状态,因为前面插入新记录后,offset 会整体漂移。

# 第一页:从最小 score 开始读取 3 条
redis-cli ZRANGE feed -inf +inf BYSCORE LIMIT 0 3 WITHSCORES

# 只跳过更小的 score;同分记录仍需在应用层按 last_member 过滤
# 示例游标:last_score=10,last_member=task-b
redis-cli ZRANGE feed (10 +inf BYSCORE LIMIT 0 4 WITHSCORES

这里故意多取一条作为缓冲:应用层丢弃 score 等于 last_score 且 member 不大于 last_member 的记录,再补充后续结果。若同分记录可能远多于页大小,不能把“多取一条”当成绝对保证,应改用下面的分段读取策略。

同分记录要拆成两个查询边界

要严格补满一页,可以把下一页拆成两段:第一段读取 last_score 的全部候选,在应用层保留字典序大于 last_member 的 member;第二段读取严格大于 last_score 的记录。先拼接第一段,再用第二段补足页大小。

def next_page(redis, key, last_score, last_member, page_size):
    # 同分段不能只比较 score,要把上页最后一个 member 排除掉
    same_score = redis.zrange(
        key, last_score, last_score, byscore=True, withscores=True
    )
    same_tail = [
        (member, score) for member, score in same_score
        if member > last_member
    ][:page_size]

    # 剩余位置从更大的 score 继续读取,左边界用括号表示不包含
    remaining = page_size - len(same_tail)
    higher = [] if remaining == 0 else redis.zrange(
        key, f"({last_score}", "+inf", byscore=True,
        start=0, num=remaining, withscores=True
    )
    return same_tail + higher

不同语言客户端对参数名的包装可能不同,关键语义是“同分记录按 member 过滤,后续 score 使用排他的左边界”。返回的新游标仍取结果最后一条的完整 (score, member)。

Redis 分页游标拆分为同分尾部与更大 score 两个静态查询边界的结构图
图2:结构说明图,展示 score+member 游标如何连接同分尾部与更大 score 两个查询边界;这是静态说明图,不是运行截图。

接口边界和性能取舍

游标建议使用 Base64URL 编码的 JSON,例如 {"score":10,"member":"task-b"},并由服务端生成和解析,避免调用方自行拼接 Redis 范围表达式。页大小也要设上限,防止一次请求拉取过多同分成员。

如果同一个 score 下长期聚集大量记录,读取整段同分成员会变贵。此时可以在写入侧让 score 携带足够细的序号,尽量保证唯一;但要注意 Redis score 使用浮点数,不能无限追加小数位。另一种选择是额外维护可按业务唯一键排序的索引,换取写入和维护成本。

最后要明确一致性语义:游标只能保证排序边界稳定,不能冻结数据快照。分页期间删除记录会让结果变少,更新 score 可能让记录移动到游标前后;如果业务要求严格不变的结果集,应先生成快照或使用带版本条件的数据集。

常见问题

只用 score 作为 cursor 可以吗?不建议。相同 score 的 member 仍需要确定的次序,否则下一页无法知道同分组已经读到哪里。

LIMIT offset count 能替代游标吗?它适合一次性结果切片,不适合会插入新数据的长期分页。稳定分页应保存排序键,而不是保存不断变化的 offset。

为什么不直接使用 BYLEX?BYLEX 适合所有成员使用同一个 score、只按字典序建立范围的场景;本题按 score 主排序时,仍应围绕 score 范围设计游标。

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
RedisJSON JSON.OBJKEYS 怎样列出对象字段名RedisJSON JSON.OBJKEYS 怎样列出对象字段名
上一篇
RedisJSON JSON.OBJKEYS 怎样列出对象字段名
Redis 哈希字段过期应该用什么命令组合
下一篇
Redis 哈希字段过期应该用什么命令组合
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。
    984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。
    988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。
    1109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。
    1079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。
    923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