支持并发的实时排行、排行榜工具-java

#####1、目前hqrank的实现包括如下几点：

• 全缓存：所有的排行数据存储在内存中。所以，hqrank是作为一个排行工具，而不是数据存储工具而存在
• 基于id:value：对数据的存取可以通过id-value进行，可通过id获取对应排名，也可以通过排名获取对应id（value也会在此给出）。分数不同的按照从大到小的顺序排列，分数相同的按照插入或修改时间顺序排列
• 支持多字段排行：比如先按等级排行，在此基础上再按经验排行，进而得出的排行列表。理论上支持任意多的字段数
• 支持并发：支持多个线程同时对排行进行操作
• 实时排行：排行操作是实时进行的，但需要说明一点：对于访问时间相差很少的两个访问，尤其是不同线程，可能不会严格满足先入先排，但这种相差时间是在毫秒级的（这和线程时间片以及系统提供加锁顺序相关）

#####2、目前实现的取数据功能

• 根据id获取排行数据及分数
• 根据排行获取对应id
• 根据id获取id前后若干个玩家的排行数据
• 分页查询，根据每页大小和页码获取排行数据
• 根据字段更新数据

hqrank/code/Rank/是一个java项目，开发使用jdk版本为：1.7

• 将该项目导入eclipse中
• 在包org/hq/rank/service/中有IRankService.java，里面有详细的注释
• 基本访问方法如下：（点击查看所有接口方法）

public static void main(String[] args) {
	IRankService rankService = new RankService();
	rankService.createRank("rankName");
	rankService.put("rankName", 10/*id*/, 100/*value*/); // put date to rank
	RankData rankData = rankService.getRankDataById("rankName", 10); // get date by id
	int rankNum = rankData.getRankNum(); // get rank num
	RankData rankData2 = rankService.getRankDataByRankNum("rankName", rankNum); // get date by rankNum
	List<RankData> rankDataList1 = rankService.getRankDatasAroundId("rankName", testId, 3, 6); // get date by id,and ranks around this id
	List<RankData> rankDataList2 = rankService.getRankDatasByPage("rankName", 7/*page*/, 9/*pageSize*/); // get date by page
}

#####1、排行数据结构

• node分为elementNode和rankElementNode，上诉图中的node为elementNode
• elementNode链表按照从大到小记录所有value,每个elementNode节点记录一个分数，保存一个element节点链表
• 每个element链表按照时间从小到大记录该value的id，每个element节点记录一个id
• step链表(1)是对node链表的索引，提高对node的定位速度
• step链表(2)是对step链表(1)的索引，提高对step(1)的定位速度，从而提高对node的定位速度
• step链表(3)是对element链表的索引，提高对element的定位速度
• step和node中保存有其索引范围内的element数量，即排行所需数据
• 对于多字段查询，除了最后一个字段层级使用elementNode用于存储element，其余字段层级使用rankElementNode，每个rankElementNode保存一个新的rank

#####2、并发和加锁

• element是最基本的存储单位，每一个element自身拥有一个AtomicInteger作为锁，用原子加减操作作为加解锁
• 对于添加和修改数据，都会创建新的element，并对其先加锁，后加入到数据容器中
• 对于element在数据容器中的增加和删除都会对其前后element进行加锁
• 对于node和rankElement则使用锁池LockerPool
• 对于step，当达到最低索引数量时，才会被创建，每一个step对象拥有自身的锁对象
• 整个结构形成了nodeStep1-nodeStep2-node-elementStep-element的结构，对于每一层级的操作仅对该层级的对象加锁，同时对多个层级操作需要对多个层级加锁（如因为node数量增加而创建nodeStep），每个层级的锁尽量在本层级释放
• 查询不加锁，为保持效率和正确性，采取若查询失败，可配置多次查询直到获取所得值或达到最大查询次数
• 重新执行方案：当一个操作，包括对数据的增删改和对node的删除，加锁失败时，不等待锁，而是放入reoper池，重新执行。 重新执行时间和最多执行次数由工具参数配置决定

#####3、关于性能的讨论

• 在node节点作为数据存储元之上是一个两层索引的跳表，而element链表上是一个一层索引的跳表
• 在后面的设计中可以对跳表的层数以及每层的索引数进行设计，但要注意以下几点：第一，索引层级越多，每次修改数据对索引的操作就会越多，第二，索引越多，对存储空间的要求越高，第三，为支持并发，索引越多，加锁要求增加
• 如果采取不支持并发的策略（或通过访问排队来支持并发），一来是不能使用多核cpu的优势，二来当使用同步持久化的时候效率会骤降
• 实测(MacBook Pro,Core(TM) i7-3520M CPU @ 2.90GHz 双核（四逻辑核心）,DDR3 8G 1600HZ，-Xmx4096m): 1000万数据排行，每分钟访问50万（均匀访问）排行请求，cpu利用率维持在100%（共400%），访问复杂度基本不变，注意：当内存即将耗尽（既要考虑虚拟机设置内存，又要考虑计算机实际使用内存），CPU会更加多的走高，直到资源耗尽
• 目前每一个排行数据需要消耗高达280B的内存，使得系统对内存要求较高

#####4、其它

• 工具所配置参数对象RankConfigure
• 排行异常(目前还没有具体实现)RankException
• 数据校验和统计RankStatistics：包括对数据结构中各个对象的统计，锁统计，reoper统计，访问统计，step统计，以及数据正确性校验
• 对象池RankPool，排行所用到的数据对象，包括node,element,rankElement,nodeStep,elementStep，通过对象池来管理，以避免过多的创建对象

• redis不是hqrank项目中的部分，是用来测试的，因为redis中有实时排序功能，在这里也提供一个redis的下载Redis-x64-2.8.2400
• test包中有基本的例子。BaseTest1：基本的用法；BaseTest2：压力测试
• 测试过程中可以用jprofiler和jdk工具jconsole.exe来监控内存使用情况
• 当数据量较大时，需要设置较大的JVM内存大小
• 工具还在开发过程中，还没有经过大量测试，如果有对此有兴趣的Coder，欢迎一起讨论和开发，更多的开发计划在_packet_.java文件中简述，目前有：

	/**
	 * 后面想要实现的功能：
	 * 1、配置文件：针对所有的rank，针对单个的rank（配置rank）
	 * 2、添加持久化：(1)同步/异步存储到文件/数据库，(2)启动加载，停止存储
	 * 3、失败的操作持久化
	 * 4、统一所有的异常，在service层捕获并处理
	 * 5、异常系统
	 * 6、添加英文注释？
	 * 7、添加AOP特性，对统计，异常等提供低耦合支持
	 * 8、添加网络接口访问
	 * 
	 * 修改为maven项目？
	 */