30. 商品詳情頁結構分析、緩存全量更新問題以及緩存維度化解決方案

整個緩存的技術方案，分成兩種類型將。

1. 實時性比較高數據，比如說庫存，銷量之類的這種數據，我們採取的實時的緩存+數據庫雙寫的技術方案，雙寫一致性保障的方案

2. 實時性要求不高數據，比如說商品的基本信息，等等，我們採取的是三級緩存架構的技術方案，就是說由一個專門的數據生產的服務，去獲取整個商品詳情頁需要的各種數據，經過處理後，將數據放入各級緩存中，每一級緩存都有自己的作用

商品詳情頁分析

實時性要求不高的數據，大型電商網站中的商品詳情頁的數據結構分析

1. 商品的基本信息

標題：【限時直降】Apple/蘋果 iPhone 7 128G 全網通4G智能手機正品
短描述：限時優惠 原封國行 正品保障
顏色：
存儲容量
圖片列表
規格參數

其他信息：店鋪信息，分類信息，等等，非商品維度的信息

2. 商品介紹：放緩存，看一點，ajax異步從緩存加載一點
3. 實時信息：實時廣告推薦、實時價格、實時活動推送，等等，ajax加載

將商品的各種基本信息，分類放到緩存中，每次請求過來，動態從緩存中取數據，然後動態渲染到模板中

4. 數據放緩存，性能高，動態渲染模板，靈活性好

大型緩存全量更新問題

1. 網絡耗費的資源大
2. 每次對redis都存取大數據，對redis的壓力也比較大
3. redis的性能和吞吐量能夠支撐到多大，基本跟數據本身的大小有很大的關係
4. 如果數據越大，那麼可能導致redis的吞吐量就會急劇下降

緩存維度化解決方案

1. 維度：商品維度，商品分類維度，商品店鋪維度。
2. 不同的維度，可以看做是不同的角度去觀察一個東西，那麼每個商品詳情頁中，都包含了不同的維度數據
3. 如果不維度化，就導致多個維度的數據混合在一個緩存value中
4. 但是不同維度的數據，可能更新的頻率都大不一樣
5. 比如說，現在只是將1000個商品的分類批量調整了一下，但是如果商品分類的數據和商品本身的數據混雜在一起
6. 那麼可能導致需要將包括商品在內的大緩存value取出來，進行更新，再寫回去，耗費大量的資源，redis壓力也很大
7. 但是如果我們隊對緩存進行維度化，那麼在不同的維度數據更新的時候，只要去更新對應的維度就可以了

維度化：將每個維度的數據都存一份，比如說商品維度的數據存一份，商品分類的數據存一份，商品店鋪的數據存一份

8. 包括之前那種實時性較高的數據，也可以理解爲一個維度，那麼維度拆分後