任何实际的解决方案都需要满足要求，这是原始问题中所缺少的。我的第一个答案假设数据集很小，但是这种方法无法扩展，因为至少在O（N）中完成了密集排序（例如，通过Lua）。

因此，假设有很多具有分数的用户，for_stack建议的方向会更好，在该方向上可以合并多个数据结构。我相信这是他最后一句话的要旨。

要存储用户的分数，您可以使用哈希。从概念上讲，您可以使用一个键来存储所有用户分数的哈希值，但实际上，您希望对哈希值进行哈希处理，以便进行扩展。为了使此示例简单，我将忽略哈希缩放。

这是您在Lua中添加（更新）用户分数的方式：

local hscores_key = KEYS[1]
local user = ARGV[1]
local increment = ARGV[2]
local new_score = redis.call('HINCRBY', hscores_key, user, increment)

接下来，我们要跟踪每个离散得分值的当前用户数，因此我们为此保留另一个哈希值：

local old_score = new_score - increment
local hcounts_key = KEYS[2]
local old_count = redis.call('HINCRBY', hcounts_key, old_score, -1)
local new_count = redis.call('HINCRBY', hcounts_key, new_score, 1)

现在，我们需要维护的最后一件事是按分数排序并带有排序集。每个新分数都将添加为zset中的成员，并删除没有更多用户的分数：

local zdranks_key = KEYS[3]
if new_count == 1 then
  redis.call('ZADD', zdranks_key, new_score, new_score)
end
if old_count == 0 then
  redis.call('ZREM', zdranks_key, old_score)
end

由于使用了排序集，此三段脚本的复杂度为O（logN），但请注意，N是离散分数值的数量，而不是系统中的用户。通过另一个更短，更简单的脚本来获取用户的密集排名：

local hscores_key = KEYS[1]
local zdranks_key = KEYS[2]
local user = ARGV[1]

local score = redis.call('HGET', hscores_key, user)
return redis.call('ZRANK', zdranks_key, score)