基于社区电商的Redis缓存架构-写多读多场景下的购物车缓存架构

社区电商的购物车缓存架构

在购物车中的功能主要有这几个:商品加入购物车、查看购物车列表、删除购物车商品、选中购物车商品进行结算

这里购物车的场景和之前用户信息以及菜谱分享信息还不同,如果在举办了大型购物活动时,购物车可能需要面临写多读少或者写多读多的场景,面临高并发的读和写,那么在购物车中就以 Redis 作为主存储,异步的将数据进行落库持久化

商品加入购物车

那么我们先来看一下商品加入购物车的业务场景,当将一个商品加入购物车,流程如下:

商品加入购物车,首先需要判断,商品是否已经在购物车中存在了,那么就分了两种情况,如果商品在购物车中已经存在,我们需要去对购物车中该商品的数量 +1 ,然后在缓存中更新购物车里这个商品的信息,最后发送更新消息到 MQ 中进行异步落库;如果商品在购物车中不存在,那么就直接去缓存中添加购物车里该商品的信息,再发送持久化消息到 MQ 中进行落库

那么缓存中需要存储的数据以及存储使用的数据结构如下:

  • 用户购物车已有商品的数量:使用 hash 来存储,这个商品的数量用于在用户添加商品到购物车时,判断购物车中的商品数量是否超过购物车商品数量的上限

    bash 复制代码
    key -> shopping_cart_hash:{userId} 
    field -> skuId,即商品的 id
    value -> 存储商品的数量
    存储结构为:
    shopping_cart_hash:{userId} {
      {skuId}: count1,
      {skuId}: count2
    }
  • 商品的详情信息:使用 hash 来存储

    bash 复制代码
    key -> shopping_cart_extra_hash:{userId}
    field -> skuId
    value -> 商品详情
    存储结构为:
    shopping_cart_extra_hash:{userId} {
      {skuId}: "商品详情json串",
      {skuId}: "商品详情json串"
    }
  • 存储购物车商品的顺序:使用 zset 存储,用于查询购物车的商品时使用

    bash 复制代码
    key -> shopping_cart_zset:{userId}
    value -> skuId
    score -> System.currentTimeMillis()  分数使用当前系统的时间戳即可,按照加入购物车的时间对商品进行排序

那么添加购物车商品的流程如下:

在 MQ 中订阅更新消息和持久化消息即可,这里注意在订阅更新消息时,是更新用户购物车中的商品信息,那么有可能是增加商品的数量也有可能是减少商品的数量,所以在数据库中我们要判断,如果商品的数量更新后为 0 的话,就直接删除掉这条数据就好了

以及要做一些数据校验,如商品的数量最小值为 0,不可以为负数,这些都是业务层面上的考虑

这里的购物车存储架构使用 Redis 作为主存储,MySQL 作为持久化,那么如果 Redis 崩溃无法使用的话,MySQL 也可以作为一个备用存储,基于 MySQL 做一个降级处理,在 Redis 恢复的时候,可以将数据库中的数据再重新加载到 Redis 中来

就算 Redis 中一些数据没来得及发送到 MQ 进行消息落库,影响也不大,购物车中的数据在未提交订单之前,本来就是临时数据,丢一个影响不大

查询购物车中商品

查询购物车中的商品的话,直接从 Redis 中进行查询,先按照商品加入购物车的时间,查询出来所有的商品 id,再根据商品 id 去查询商品的详情,这个流程还是比较简单的

购物车中的商品是根据加入购物车的时间加入到 zset 中去的,那么查询的话使用 zrevrange shopping_cart_zset:{userId} 0 -1 根据 score 获取从大到小排序的商品 id

再根据这些商品 id 去 Redis 的 hash 中查数据的商品的详情信息,通过 hgetall shopping_cart_extra_hash:{userId} 来获取该用户购物车中的所有商品信息,将这些商品信息返回即可

购物车中商品在缓存中的可视化存储结构如下图:

选中购物车中的商品

在商品实体类中,通过一个字段 flag 来控制该该商品是否被选中了,如果选中该商品,就将 flag 设置为 1,如果取消选中,就将 flag 设置为 0

选中商品之后,直接在缓存中更新该商品的详情即可,也就是对 key=shopping_cart_extra_hash:{userId},field={skuId} 的商品详情信息进行更新

总结

  • 写多读多、写多读少的场景,以 Redis 作为主存储,通过 MQ 异步将数据进行落库持久化
  • 如果存在读出来数据,并对读出来的数据进行修改的场景的话,就要考虑是否存在并发问题了,如果存在的话,要加分布式锁进行控制
相关推荐
九皇叔叔33 分钟前
【第二章】Redis基础入门:Redis是什么、为什么快以及核心特性详解
数据库·redis·缓存
海宇服务41 分钟前
零信任架构实战:基于海宇对外投资历史查询服务构建自动化供应商准入网关
运维·人工智能·架构·自动化
天天喝旺仔1 小时前
Go 并发编程:Goroutine 与 Channel 实战
云原生·性能优化·架构·go
蔡俊锋5 小时前
DeepSeek 语音对话灰度上线:四种音色背后的端侧 AI 交互架构与商业逻辑
架构·大模型·语音交互·deepseek·端侧ai
云边有个稻草人6 小时前
OceanBaseVS金仓:从架构效率到复杂SQL,解析金仓数据库的性能竞争力
架构·数据库架构·数据库性能·数据库选型·oceanbasevs金仓·复杂sql优化·事务性能
今天AI了吗8 小时前
什么是 AI Agent?它与直接调用大模型 API 有何区别
java·网络·人工智能·架构·java-ee
一尘之中8 小时前
深入解析面向服务的架构(SOA):从特性到实施
学习·架构·ai写作
嘟嘟嘟95278 小时前
AI Agent 的边缘困境
人工智能·架构·agent
学渣超8 小时前
记一次复杂业务功能重构——从过程式长链路,到模板方法构建体系
java·架构·代码规范
星禾元亨8 小时前
生成式 AI 时代的架构演进与 GEO 优化:实体企业 AI 落地避坑指南
大数据·人工智能·架构·自动化·创业创新