苍穹外卖高并发优化：商品缓存与购物车架构实战

高并发场景下，如何提升苍穹外卖的商品访问速度和购物车操作体验？本文将深入探讨商品缓存和购物车功能的架构设计与优化策略，并结合实际代码案例进行讲解。

问题场景重现：性能瓶颈分析

在业务高峰期，例如午餐和晚餐时段，苍穹外卖的商品浏览和购物车操作会面临巨大的并发压力。如果每次用户请求都直接访问数据库，会导致数据库负载过高，响应时间变慢，甚至出现服务崩溃。常见的性能瓶颈包括：

• 数据库连接数耗尽：大量并发请求导致数据库连接池被打满，新的请求无法获得连接。
• 查询响应延迟：复杂的商品信息查询（例如关联商品分类、评价等）导致查询时间过长。
• 缓存失效雪崩：如果缓存同时失效，大量请求会直接冲击数据库，造成雪崩效应。

底层原理深度剖析

解决上述问题，核心在于引入缓存机制和优化购物车架构。

• 商品缓存：利用 Redis 等缓存中间件，将热点商品信息存储在内存中，减少数据库访问。常用的缓存策略包括：

  

  • Cache-Aside (旁路缓存)：应用程序先从缓存中读取数据，如果缓存未命中，则从数据库读取数据，并将数据写入缓存。
  • Cache-Through (穿透缓存)：应用程序直接与缓存交互，缓存负责数据的读取和写入。数据库操作对应用程序透明。
  • Write-Through (直写缓存)：每次写入数据时，同时更新缓存和数据库，保证数据一致性。
  • Write-Back (回写缓存)：先更新缓存，然后异步地将数据写入数据库，性能较高，但存在数据丢失的风险。

  在苍穹外卖的场景下，推荐使用 Cache-Aside 策略，既可以利用缓存的性能优势，又可以保证数据的最终一致性。

  

• 购物车功能：购物车功能需要支持高并发的添加、删除、修改操作。常用的购物车架构包括：

  • 基于数据库的购物车：将购物车数据存储在数据库中，简单易实现，但性能较差。
  • 基于 Redis 的购物车：将购物车数据存储在 Redis 中，性能较高，但需要考虑数据持久化和一致性问题。可以采用 Redis 的 Hash 数据结构存储购物车信息，并设置过期时间。
  • 基于 Cookie 的购物车：将购物车数据存储在 Cookie 中，减轻服务器压力，但存在数据安全和容量限制。

  对于苍穹外卖这种高并发场景，推荐使用基于 Redis 的购物车，并结合数据库进行持久化。

具体的代码/配置解决方案

1. 商品缓存实现（Java + Redis）

@Service
public class ProductService {

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    @Autowired
    private ProductMapper productMapper;

    private static final String PRODUCT_CACHE_PREFIX = "product:";

    public Product getProductById(Long id) {
        String key = PRODUCT_CACHE_PREFIX + id;
        Product product = (Product) redisTemplate.opsForValue().get(key);

        if (product == null) {
            // 缓存未命中，从数据库读取
            product = productMapper.selectById(id);
            if (product != null) {
                // 将数据写入缓存
                redisTemplate.opsForValue().set(key, product, 60, TimeUnit.MINUTES); // 设置过期时间为 60 分钟
            }
        }

        return product;
    }

    // 更新商品信息时，需要同时更新缓存
    public void updateProduct(Product product) {
        productMapper.updateById(product);
        String key = PRODUCT_CACHE_PREFIX + product.getId();
        redisTemplate.opsForValue().set(key, product, 60, TimeUnit.MINUTES);
    }

    // 删除商品时，需要同时删除缓存
    public void deleteProduct(Long id) {
        productMapper.deleteById(id);
        String key = PRODUCT_CACHE_PREFIX + id;
        redisTemplate.delete(key);
    }
}

2. 购物车功能实现（Java + Redis）

@Service
public class CartService {

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    private static final String CART_KEY_PREFIX = "cart:";

    public void addToCart(Long userId, Long productId, int quantity) {
        String key = CART_KEY_PREFIX + userId;
        String productKey = productId.toString();

        // 使用 Redis Hash 存储购物车信息
        redisTemplate.opsForHash().increment(key, productKey, quantity); // 增加商品数量
    }

    public void removeFromCart(Long userId, Long productId, int quantity) {
        String key = CART_KEY_PREFIX + userId;
        String productKey = productId.toString();
        redisTemplate.opsForHash().increment(key, productKey, -quantity); // 减少商品数量

        // 如果商品数量为 0，则从购物车中删除
        Long currentQuantity = (Long) redisTemplate.opsForHash().get(key, productKey);
        if (currentQuantity != null && currentQuantity <= 0) {
            redisTemplate.opsForHash().delete(key, productKey);
        }
    }

    public Map<Object, Object> getCart(Long userId) {
        String key = CART_KEY_PREFIX + userId;
        return redisTemplate.opsForHash().entries(key);
    }

    // 清空购物车
    public void clearCart(Long userId) {
        String key = CART_KEY_PREFIX + userId;
        redisTemplate.delete(key);
    }
}

3. Nginx 配置优化

使用 Nginx 作为反向代理服务器，可以实现负载均衡和静态资源缓存，进一步提升系统性能。以下是一个简单的 Nginx 配置示例：

http {
    upstream backend {
        server 192.168.1.100:8080; # 后端服务器 1
        server 192.168.1.101:8080; # 后端服务器 2
        # 可以根据服务器性能设置权重 weight
    }

    server {
        listen 80;
        server_name example.com;

        location / {
            proxy_pass http://backend; # 反向代理到后端服务器
            proxy_set_header Host $host;
            proxy_set_header X-Real-IP $remote_addr;
        }

        location ~* \.(jpg|jpeg|png|gif|css|js)$ {
            expires 30d; # 缓存静态资源 30 天
            access_log off; # 关闭静态资源访问日志
        }
    }
}

实战避坑经验总结

• 缓存穿透：如果缓存和数据库中都不存在某个商品，大量的请求会直接冲击数据库。可以使用布隆过滤器(Bloom Filter) 或设置空值缓存来解决。
• 缓存击穿：某个热点商品缓存过期，大量的请求同时访问该商品，导致数据库压力过大。可以使用互斥锁或设置永不过期的缓存来解决。
• 数据一致性：在更新商品信息时，需要同时更新缓存和数据库，并考虑并发场景下的数据一致性问题。可以使用分布式锁或消息队列来实现最终一致性。
• Redis 集群：为了保证 Redis 的高可用性和可扩展性，可以使用 Redis 集群模式，例如 Redis Sentinel 或 Redis Cluster。 宝塔面板等工具可以简化 Nginx 和 Redis 的部署和管理。

通过以上优化，可以有效提升苍穹外卖在高并发场景下的性能和稳定性，改善用户体验。购物车功能和商品缓存的合理设计是提升性能的关键环节。