1.前言

  • 实时性比较高的那块数据，比如说库存，销量之类的这种数据，我们采取的实时的缓存+数据库双写的技术方案，双写一致性保障的方案
  • 实时性要求不高的数据，比如说商品的基本信息，等等，我们采取的是三级缓存架构的技术方案，就是说由一个专门的数据生产的服务，去获取整个商品详情页需要的各种数据，经过处理后，将数据放入各级缓存中，每一级缓存都有自己的作用

2.商品详情页分析

2.1 大型电商网站中的商品详情页的数据结构分析

  1. 商品的基本信息
    标题：【限时直降】Apple/苹果 iPhone 7 128G 全网通4G智能手机正品
    短描述：限时优惠 原封国行 正品保障
    颜色：
    存储容量
    图片列表
    规格参数
  2. 其他信息：店铺信息，分类信息，等等，非商品维度的信息
  3. 商品介绍：放缓存，看一点，ajax异步从缓存加载一点，不放我们这里讲解
  4. 实时信息：实时广告推荐、实时价格、实时活动推送，等等，ajax加载
  5. 商品的基本信息，分类放到缓存中，每次请求过来，动态从缓存中取数据，然后动态渲染到模板中。数据放缓存，性能高，动态渲染模板，灵活性好

2.2 大型缓存全量更新问题

  • 网络耗费的资源大
  • 每次对redis都存取大数据，对redis的压力也比较大
    (1) redis的性能和吞吐量能够支撑到多大，基本跟数据本身的大小有很大的关系
    (2) 如果数据越大，那么可能导致redis的吞吐量就会急剧下降

2.3 缓存维度化解决方案

  • 维度：商品维度，商品分类维度，商品店铺维度
  • 不同的维度，可以看做是不同的角度去观察一个东西，那么每个商品详情页中，都包含了不同的维度数据
  • 如果不维度化，就导致多个维度的数据混合在一个缓存value中。但是不同维度的数据，可能更新的频率都大不一样
    比如说，现在只是将1000个商品的分类批量调整了一下，但是如果商品分类的数据和商品本身的数据混杂在一起。那么可能导致需要将包括商品在内的大缓存value取出来，进行更新，再写回去，就会很坑爹，耗费大量的资源，redis压力也很大
  • 如果我们队对缓存进行维度化
    将每个维度的数据都存一份，比如说商品维度的数据存一份，商品分类的数据存一份，商品店铺的数据存一份。那么在不同的维度数据更新的时候，只要去更新对应的维度就可以了