电商缓存的设计思想

电商缓存的设计思想

文章目录

1 问题背景2 前言3 业务背景4 解决思路

4.1 B端修改售价时更新缓存，C端查询售价时若查不到也构建缓存4.2 C端查询售价的缓存实现4.3 B端保存售价时的缓存实现4.4 B端和C端都写缓存引发的问题4.5 解决办法4.6 B端只删除缓存是否就没问题了呢4.7 解决办法4.8 分布式锁放在事务里面还是包住事务呢4.9 解决办法

1 问题背景

在电商领域，分为B端和C端。B端是提供给卖家使用的，主要用于商品上下架、库存、订单、营销等等。C端主要是面向广大买家，用于展示商品、商品评论、购物车、结算页、活动展示、推荐商品等等。缓存在电商中的地位尤其重要，今天阐述电商的缓存设计思想。

2 前言

本博客阐述的内容来自笔者工作中，是真实的生产环境，非自学的demo那种或本地搭建虚拟机环境那种。仅供笔者自己做笔记总结使用，如有不正确之处请指出。

本文涉及的文字较多，需要耐心阅读，反复阅读品味

3 业务背景

卖家在B端修改了商品的售价，点击保存。买家在C端浏览商品，点击购买。此时的问题是，商品售价的缓存应该在什么时机更新或淘汰呢？

4 解决思路 4.1 B端修改售价时更新缓存，C端查询售价时若查不到也构建缓存

如本小节标题，这是笔者的做法，B端修改售价时更新缓存，C端查询售价时若查不到也构建缓存。这是很正常很自然的想法。但并发环境下，是有问题的。

注意：本博客提到的无论是更新缓存还是构建缓存，本质上就是把最新的值弄到缓存里面。而淘汰缓存指的是删除缓存但并不把最新的值写进缓存。

4.2 C端查询售价的缓存实现

为方便后续的阐述，先来看看C端是怎么查询售价的，流程图如下所示:

代码如下所示。考虑到C端面向广大的买家，不可以每次查数据都去DB，因此要设计一个缓存，每次请求都先去查缓存。如果缓存没有，那么再去查DB（这一步称为构建缓存）。DB有数据则把值写进缓存，若没有数据要考虑缓存穿透，写一个空对象或具有空值意义的值到缓存里。考虑到并发请求下，不需要每一个请求都去构建缓存，因此给构建缓存的 *** 作加一个分布式锁。因此只需1个线程去构建缓存，降低DB的性能开销。当某个线程拿到锁后，考虑到别的线程可能已经构建好缓存了，因此在查DB前需要再查一遍缓存，有缓存则返回，没有缓存再去查DB构建缓存。

public BigDecimal getSalePrice(Long skuId) {
    // 从缓存查售价
    BigDecimal salePrice = cacheService.getSalePrice(skuId);
    if (Objects.nonNull(salePrice)) {
        return salePrice;
    } else {
        // 缓存没有证明要构建缓存，加分布式锁
        String lockKey = CacheKeyUtils.generateLockKey(skuId);
        boolean success = distributedLock.lock(redisKey, 1500L, 3, 500);
        if (success) {
            try {
                // 加锁成功，查DB前再查一次缓存
	            salePrice = cacheService.getSalePrice(skuId);
	            if (Objects.nonNull(salePrice)) {
	                return salePrice;
	            } else {
	                // 查DB构建缓存
	                salePrice = getSalePriceFromDB(skuId);
	                if (Objects.isNull(salePrice)) {
	                    // 为防止缓存穿透，初始化一个空值进缓存
                        salePrice = BigDecimal.ZERO;
                    }
                    // 更新缓存
                    cacheService.saveSalePrice(skuId, salePrice);
                    return salePrice;
	            }
            } finally {
                distributedLock.releaseLock(lockKey);
            }
        } else {
            // 加锁失败，做点 *** 作，一般是抛出异常
            throw ProductException.GET_REDIS_LOCK_ERROR;
        }
    }
}

public void saveSalePrice(Long skuId, BigDecimal salePrice) {
    String redisKey = CacheKeyUtils.generateSalePriceKey(skuId);
    redisTemplate.opsForValue().set(redisKey, salePrice, 1, TimeUnit.DAYS);
}

4.3 B端保存售价时的缓存实现

代码如下图所示：

public void cacheSalePrice(Long skuId, BigDecimal salePrice) {
    String redisKey = CacheKeyUtils.generateSalePriceKey(skuId);
    redisTemplate.opsForValue().set(redisKey, salePrice, 1, TimeUnit.DAYS);
}

4.4 B端和C端都写缓存引发的问题

如下图所示：

如上图，C端经历两次查询缓存都查不到值，那么就要去查DB，查到旧的值。同时B端将最新值更新到DB并写进缓存。随后C端将拿到旧的值写到缓存。这样会将旧的值存入缓存，除非缓存过期被淘汰，否则每次查询都只会去缓存拿值并且该值是旧的，如此下来生产环境会造成严重的经济损失。这就是两处同时写缓存的坏处，当出现并发情况下，会存在将旧的值写进缓存的场景。

4.5 解决办法

由于存在两处写缓存才会造成上面的问题，那么我们只需要有一处写缓存即可。考虑到主要是C端查询比较多，当它查不到的时候再去构建缓存。因此选择在C端查询的时候写缓存。而在B端只做删除缓存

4.6 B端只删除缓存是否就没问题了呢

电商的大部分编辑功能中，如编辑商品，编辑之后要保存。保存涉及到更新数据库以及 *** 作缓存。流程图如下所示：

下面是保存商品的伪代码：

@Transactional
public void saveSpu(Spu spu) {
   // 更新数据库
   spuDao.save(spu);
   // 更新缓存
   spuCache.delete(spu);
}

如上所示，这是一个保存商品的业务方法，该方法加了@Transactional开启事务的注解，方法实现由更新数据库以及 *** 作缓存组成。当A事务执行到删除缓存，但是未提交。而C端去缓存查商品查不到就去DB查并写到缓存，此时将旧的值写进缓存。A事务提交。最终结果将是缓存里面存的是旧值，DB中存的是新值。

4.7 解决办法

将删除缓存的 *** 作放在事务外面，即使旧值被写进缓存，事务提交完后，执行事务外的删除缓存 *** 作就能将缓存的旧值删除。

4.8 分布式锁放在事务里面还是包住事务呢

为了解决接口的幂等性，常常使用分布式锁。但业务方法常常有事务，再加上大并发量，分布式锁的位置放得不恰当会造成某些问题。

场景：批量插入税费接口。税费针对地区维度，比如广州设置一个税费5元，广西设置一个税费6元。某些情况下，用户连续点了好多次保存接口，导致发出多次请求，从而出现若干线程执行批量插入税费接口。又或者批量插入执行的效率慢，当前的请求还没有执行完，又来了若干次请求。

针对上述场景，如果分布式锁放在事务里面，多个事务查到DB里面没有广州、广西的税费，都执行insert *** 作。多个事务都未提交，导致大家都不知道有别的事务要将广州、广西的税费插入DB。那么将会有重复的广州、广西的税费插入到DB中。最终结果可能会有DB的锁竞争、出现重复的数据、等待锁超时等等。

4.9 解决办法

用分布式锁包住事务，是的同一时间只有一个线程执行事务 *** 作。