背景说明快递在途中时客户关心物流实时状态并发量是有一定要求的在电商大促期间快件数量查询人量大此处必须是缓存应用方可顶住并发需求分析用户寄件后是需要查看运单的运输详情也就是需要查看整个转运节点类似这样uploadacffcfaaaadafpng可以看出物流信息中有状态时间具体信息快递员姓名快递员联系方式等信息实现分析基于上面的需求分析我们该如何实现呢首先要分析一下物流信息功能的特点数据量大查询频率高签收后查询频率低数据量大这个挑战是在存储方面如果我们做技术选型的话无非就是两种选择一种是关系型数据库另一种是非关系型数据库选择MongoDB存储要比MySQL更合适一些运单在签收之前查询的频率是非常高
2024-03-11 08:07 770 0 高并发 缓存一致性 Redis优化 优化RT(响应时间)
前言哈哈哈虽然这里是多级缓存的标题实际上这个里面只引入了本地缓存Caffinie因为我觉得有以下两个原因课程分类引入一级缓存已经足够应对项目需求毕竟这个分类数据不怎么变化真变了大不了再去查数据库呗这也是非常低频的引入多级缓存的话我们还要保证多级缓存之间的缓存一致性数据库一致性等等这都反而得不偿失增加了维护的成本这个项目中的多级缓存场景我觉得不如我的项目二更加的适合物流项目中的多级缓存准达物流的多级缓存httpcqkjavacnhtml准达物流的多级缓存背景uploadcbdbdfabcfpnguploaddbadcdacaccpnguploadefebcdcfcdbbbaccdpng如图在我的
2024-01-15 17:02 1474 0 缓存一致性 Caffeine 优化RT(响应时间)
前言只要使用到缓存无论是本地缓存还是使用Redis做缓存那么就会存在数据同步不一致的问题uploadcaaedbbacbfefedpng先读取缓存缓存数据有则立即返回结果如果缓存中没有数据则从数据库中读取数据把读取到的数据同步到缓存中提供下次读请求返回数据这样的作法是大多数人使用缓存的方式这样能有效减轻数据库压力但是如果修改删除数据因为缓存无法感知到数据在数据库中的修改这样就会造成数据库中的数据与缓存中数据不一致那么该如何解决呢有下面种解决方案先更新缓存再更新数据库先更新数据库再更新缓存先删除缓存后更新数据库先更新数据库后删除缓存下面我们一一来看下每个方案的可行性正文一先更新缓存再更新数据库这
