实盘榜单大改版设计复盘：一条多维查询链路的九个设计决策

榜单需求看着只是查询加排序，真做起来，0 值筛选、默认榜与自定义榜、缓存、我的排名，每一处都可能变成客诉。这篇复盘一次实盘榜单大改版，拆开一条查询链路上的九个设计决策。

本篇你能学到 ​

• 用 0 值置换处理「不限」这类筛选协议
• 判断哪些榜单该走缓存、哪些必须实时查库
• 把「我的排名」穷举成四种状态再写判定
• 用分界线思维规划多维榜单的表结构与扩展方式
• 一次榜单改版从数据到接口的完整推演顺序

一、为什么改：先用数据说服人 ​

1. 榜单现状：点击集中在两三个榜 ​

我们运营的实盘榜单日均 UV 千级、PV 数千，人均浏览约 7 次，用户群体较为稳定。近 30 日各维度榜单的点击分布：

• 短线榜点击量最多（约三成）；
• 长线榜次之（约两成）；
• 收益榜中年榜点击率最高，其次是月榜。

用户偏好上有个有意思的分裂：持股时长方面，用户更关注短期选股能力；账户收益率方面，用户更注重长期盈利能力。短线榜和收益年榜正好对应这两类诉求。

而「我的实盘」卡片（用户自己排名的卡片）日均点击 UV 仅两位数，高手在这个体系里的存在感很弱。数据摆在这里，改版不是拍脑袋，是现有结构和用户诉求已经错位。

2. 三个视角的问题 ​

普通用户嫌榜单旧，高手嫌没有获得感，榜单本身视觉交互也跟不上。三个视角指向同一个结论：榜单需要从一张收益排行，扩成一套多维高手发现体系。

3. 改造方向：加榜单、加维度、加人数 ​

• 榜单优化：优化收益榜、短线榜、长线榜规则，去掉稳健榜和常胜榜；结合业务场景新增品类高手榜（ETF、港股通等）；尝试单一赛道高手榜（黄金、ETF、金融等）；
• 增加维度：所有榜单增加资产量级维度（≥1 万 / ≥10 万 / ≥100 万），提升高手可信度与影响力；
• 增加上榜人数：榜单数量从个位数扩至数十个，上榜高手从数百人扩至数千人。

4. 需求目标：定性、定量、具体项 ​

• 定性：基于账户收益、市场热点、交易品种、操作风格挖掘高手，打造多维榜单，提升高手曝光度与形象丰富度；
• 定量：提高 PV / UV，做大粉丝量，进而提高跟投量；
• 具体：① 增加榜单维度（新增重仓赛道、品类榜单）；② 增加筛选维度（多维筛选精准匹配）；③ 增加标签露出（含组合异动标签）；④ 优化高手体验（勋章体系、上榜自动提醒）。

预期结果是榜单从个位数扩到数十个，覆盖人群从数百扩到数千。同时把「我的实盘」从两位数 UV 的边角入口，变成高手运营的抓手。方向清楚了，接下来要回答接口和表怎么接。

二、接口与数据模型：三层表结构 ​

1. 三个接口各管一段 ​

改造涉及三个接口：

三个接口按页面结构切开：标题列表决定导航，筛选项决定可选项，榜单列表才是真正的数据查询。其中 queryRankList 承担查询压力，另外两个只提供导航与筛选项，前端分三步拿数据，后端也就能分三段做缓存和降级。

2. 数据模型按三层组织 ​

数据模型按三层组织：

这个三层划分对应三个问题：榜单怎么定义、谁在榜成绩如何、榜单上有哪些氛围信息。按这个分层规划表结构，后续扩展品类榜、赛道榜时只需要加配置数据，不用动表。

3. 为什么不是一张大表 ​

如果把榜单定义、用户成绩、标签异动都塞进一张表，加一个榜单维度就要加列，加一个标签就要改表结构，字段很快失控。拆成配置类、用户数据类、展示辅助类之后，每类表只回答一个问题，改动也只落在一类表上。

预期结果是新增一个 ETF 榜或黄金赛道榜，只需要往 t_feature_rank_info 插入配置，再补对应的指标关联，不需要发版改表。表结构稳住了，九个查询决策才有地方落。

三、查询链路：九个设计决策 ​

1. 入口三步：校验、0 值置换、品类过滤 ​

参数校验是常规动作，检查榜单类型、收益区间、资产量级、筛选项、分页参数、用户身份参数。

接着是筛选项 0 值置换。筛选项中 0 代表不限，查询前需要把 0 置换为不参与筛选。

这是个前后端筛选协议的经典坑：下拉框第一项往往是不限，取值恰好是 0。查询侧若不做置换，0 会被当成真实筛选值参与条件判断，直接查不出数据。凡是筛选项含 0 值约定的接口，查询前都要做这一步。

ETF 榜单有固定筛选条件，需追加 ETF 相关过滤逻辑：ETF 持仓市值占比、ETF 持仓金额、ETF 品类收益区间。

设计原则是通用过滤加品类专属过滤的组合。品类榜的特殊逻辑按榜单类型独立判断追加，不混进主流程，否则主流程会随品类榜数量线性膨胀，越写越难维护。

2. 中段三步：默认榜、总数、缓存 ​

排名（名次、收益率）仅在默认榜单显示；用户自定义筛选后的榜单不展示原榜单排名。

这条乍看奇怪，实则是客诉规避：用户自定义筛选得到的第一名，并不是官方榜单的第一名。如果继续展示第 1 名，歧义和客诉就来了。「默认榜显示排名、自定义榜不显示」是最省事的规避设计。

接下来先统计当前筛选条件下满足要求的高手总数，再限制最大返回数量，避免一次查询过多数据。多维筛选组合下满足条件的人可能非常多，不先 count、不限流，大分页深翻页会直接拖垮查询。

查数据时，有缓存读缓存，无缓存读库；默认榜单均有缓存，访问频率高、数据稳定，适合优先使用。

缓存分流的边界同样清晰：默认榜走缓存，自定义筛选走库。反过来想给自定义筛选加缓存，会被筛选组合的笛卡尔积打爆。

3. 出口三步：组装、个性化填充、个人排名 ​

榜单列表的核心字段：

在核心字段之外补充个性化展示信息：标签、头像、关注状态、组合名称、收益率、在榜天数、组合异动。

注意这一步与核心字段的分层：核心字段对所有用户一致，可以缓存；个性化字段因人而异，必须实时查。分层之后缓存边界天然清晰，缓存里放的是榜单本身，用户相关的信息永远新鲜。

填充昵称、头像之后，就是整条链路里最有意思的部分：用户排名状态判断，下一节单独展开。

4. 九步串起来看 ​

把九个设计决策串起来，完整链路如下：

接口入参
  ↓
参数校验
  ↓
筛选项 0 值置换
  ↓
判断是否 ETF 榜单（品类榜追加过滤）
  ↓
判断是否默认榜单（决定是否展示排名）
  ↓
查询当前条件下高手总数
  ↓
限制最大返回数
  ↓
查询榜单数据
  ├─ 有缓存：读缓存
  └─ 无缓存：读库
  ↓
组装 result 数据
  ├─ rankNum / yieldRate
  ├─ userId / groupId / groupName
  ├─ movementContent / movementHref / movementType
  └─ onRankDays
  ↓
填充标签、头像、关注状态（个性化信息，不进缓存）
  ↓
填充用户个人信息（昵称、头像 + 排名状态机判定）
  ↓
返回榜单列表

配图

图 1：九步链路的四条分界线，0 值置换、默认分流、缓存分层、个性化填充

顺着这条链路看，每一步只解决一类问题：入口管协议和数据正确性，中段管数据量与缓存，出口管展示分层，最后一步才碰个人状态。九步走完，rankNum 是否为空、哪些字段来自缓存，都已经有明确答案。

四、我的排名：四种状态与判定优先级 ​

1. 先穷举，再写判定 ​

榜单页有「我的实盘」卡片，要展示当前用户自己的排名状态。如果直接在代码里堆 if/else，判定逻辑会散成一地鸡毛。正确做法是先把状态穷举出来：

判定优先级即表格行序：先看是否在 TOP100，再看收益表有无记录，无记录时按 userLevel 与资产兜底判定。顺序不能换，否则会把「资产不足」误判成「未公开实盘」。

配图

图 2：我的排名四状态，榜内、榜外有收益、未公开实盘、资产不足

2. 四种状态对应四种文案 ​

四种状态对应四种前端展示与引导文案：在榜的显示排名，榜外有成绩的显示收益率，未公开实盘的引导用户公开，资产不足的提示上榜门槛。

先穷举状态、再写判定逻辑，后端只返回状态码、前端按状态渲染。这比在接口里拼好所有展示文案灵活得多，新增状态时也只需要加一行配置，而不是改一串嵌套 if。

3. 为什么值得单独做状态机 ​

把一个卡片的状态拆成四种，看起来是多写了枚举，实际是把未来的分支提前收口。新增一种状态，只需补一个枚举和一段文案，判定顺序不动，老状态的展示也不受影响。

预期结果是后端返回稳定的状态码，前端按状态渲染。联调时不需要逐条对文案，测试也能按状态穷举用例，RANKED_BELOW_100 同时覆盖「榜外有成绩」和「有资产但无记录」两种情况。

常见错误与排错 ​

• 现象：筛选项选「不限」后列表为空。原因：0 没有置换，被当成真实筛选值参与过滤。解法：查询前统一把 0 置换为不参与筛选，并补一条单测覆盖。
• 现象：用户自定义筛选后仍显示「第 1 名」，引来客诉。原因：排名展示没有和默认榜判断绑定。解法：只有默认榜返回 rankNum，自定义榜置空，前端按空值隐藏排名。
• 现象：自定义筛选把数据库打满。原因：给所有榜单都加了缓存，或者没先 count 就放开了分页。解法：自定义榜只走库，先统计总数再限制最大返回数。
• 现象：同一用户看到别人的标签或关注状态。原因：把个性化字段塞进了榜单缓存。解法：核心字段缓存，标签、头像、关注状态实时查。
• 现象：未公开实盘的用户被提示「资产不足」。原因：状态判定顺序反了，先判资产再看 userLevel。解法：严格按表格行序判定，先 TOP100，再收益记录，最后 userLevel 加资产。

本篇小结 ​

• 0 值置换是筛选协议的数据正确性底线，查询前必须显式处理。
• 默认榜与自定义榜要在排名展示和缓存策略上同时分流，一条分界线解决两个问题。
• 核心字段与个性化字段分层填充，缓存里只放对所有用户一致的内容。
• 「我的排名」先穷举四种状态，再按优先级判定，后端只返回状态码。
• 四条分界线画在 0 值置换、默认与自定义分流、核心与个性化分层、排名状态机上，线画对了，加榜单只是加配置。