场景
- 比如某个大型游戏举办大赛，要做一个实时的TopN列表，比如前一百名
解决方案
积分比较稳定并且最大涨/落幅度有限的情况
- 如果说积分比较稳定，并且积分的增长和降落是有上限的（比如每天最多可以打
m局游戏，并且每次最多涨/落maxp分），那么还是很好解决的 - 首先在比赛开始前，我们对全量数据（假设数据库表中，积分这个字段是无序的）跑一次全量分析型事务，获得积分前n的所有人的列表，假设第n个人的积分是
k，那么再获取到积分大于等于k-maxp*m的人的列表。那么我们可以预期比赛过程中的TopN一定在这些人中产生 - 假设最后一个人是
p分，那么对于比赛过程中出现的大于等于p分的人，也加入到list中，以保证这个list确实涵盖了前M名（M就是积分最少为k-maxp*m的人的数目） - 因为会出现“禁赛”等各种情况，所以可以以1.x倍去获取这个名单，更好的处理方案是按照下文的“积分比较稳定但是最大涨/落幅度无限的情况”去处理
- 还有另一个措施，如果比赛过程中，我们这个list的人数低于一定值，那么就再跑一次全量分析型事务，去补充这个list
- 全量分析任务如何跑？
- 首先对于该全量数据某一时刻的快照，跑一次全量分析事务，拿到前百分之
x的list - 假设拿到的list中，最后一名的分数
p，再跑一次全量分析任务，把上一个分析任务过程中新加进来的大于p分的人加进list中 - 注意，在跑这个新的分析任务时，新出现的，大于
p分人的也要实时加入list中
- 首先对于该全量数据某一时刻的快照，跑一次全量分析事务，拿到前百分之
积分比较稳定但是最大涨/落幅度无限的情况
- 先获取前
n*k(比如k是100)的人的list，可以期望TopN都出现在这个list中 - 假设第
n*k人是p分，那么对于比赛过程中出现的大于等于p分的人，也加入到list中，以保证这个list确实涵盖了前n*k名。当然，对于小于p分的我们也要清除掉 - 然后如果比赛过程这个list中的人数低于一定值，跑一次全量分析任务，补充这个list
全量计算
- 数据都放在红黑树中，然后每次用户改变自己的积分，就去更改该用户对应的node，然后对该树进行iter，拿到前n个用户，组成list