企业官网建设流程全解析

1. 菜品与套餐缓存架构设计

在用户量较大的外卖平台中，数据库查询压力主要来自高频访问的菜品展示页面。我们采用Redis作为缓存中间件，设计了两级缓存策略：

1.1 菜品缓存实现方案

菜品数据的特点是分类明确、变更频率中等。我们采用分类维度进行缓存，每个菜品分类对应一个Redis键：

// 构造Redis键示例 String key = "dish_" + categoryId; // 缓存查询逻辑 List<DishVO> cachedData = (List<DishVO>) redisTemplate.opsForValue().get(key); if(cachedData != null && !cachedData.isEmpty()) { return cachedData; }

关键设计要点：

• 缓存键设计：采用dish_分类ID的命名规则，避免键冲突
• 缓存雪崩防护：为不同分类设置随机过期时间（30分钟±5分钟随机值）
• 数据一致性：通过双删策略保证缓存与数据库同步

1.2 缓存更新策略

当菜品数据变更时，需要同步清理对应缓存。我们在DishController中封装了统一的缓存清理方法：

private void cleanCache(String pattern) { Set keys = redisTemplate.keys(pattern); if(keys != null && !keys.isEmpty()) { redisTemplate.delete(keys); } }

具体应用场景：

• 新增菜品：清理对应分类的缓存
• 批量删除：清理所有菜品缓存（dish_*）
• 菜品状态变更：清理所有缓存保证数据强一致

2. Spring Cache在套餐缓存中的应用

2.1 Spring Cache核心注解

套餐数据更适合使用声明式缓存，我们采用Spring Cache + Redis的方案：

<!-- 依赖配置 --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-cache</artifactId> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency>

主要注解使用场景：

2.2 缓存一致性实践

套餐与菜品不同，其关联数据更多，我们采用更激进的缓存清理策略：

@PostMapping @ApiOperation("新增套餐") @CacheEvict(cacheNames = "setmealCache", allEntries = true) public Result save(@RequestBody SetmealDTO setmealDTO) { // 业务逻辑 }

这种设计虽然会短暂增加数据库压力，但能确保：

1. 套餐基础信息变更立即生效
2. 关联的菜品数据变化能被及时感知
3. 避免复杂的关联缓存维护逻辑

3. 购物车系统实现细节

3.1 数据结构设计

购物车采用关系型数据库存储，核心字段设计：

CREATE TABLE `shopping_cart` ( `id` bigint NOT NULL AUTO_INCREMENT, `name` varchar(32) DEFAULT NULL, `image` varchar(255) DEFAULT NULL, `user_id` bigint NOT NULL, `dish_id` bigint DEFAULT NULL, `setmeal_id` bigint DEFAULT NULL, `dish_flavor` varchar(50) DEFAULT NULL, `number` int NOT NULL DEFAULT '1', `amount` decimal(10,2) NOT NULL, `create_time` datetime NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

设计特点：

• 用户维度分区：通过user_id关联用户
• 商品类型区分：dish_id和setmeal_id互斥
• 数量合并：相同商品多次添加只增加number字段值
• 冗余字段：存储商品快照信息，避免商品变更影响历史订单

3.2 核心业务逻辑实现

添加购物车的核心流程：

public void addShoppingCart(ShoppingCartDTO shoppingCartDTO) { // 1. 参数转换 ShoppingCart cart = convertToEntity(shoppingCartDTO); // 2. 查询是否已存在 List<ShoppingCart> existing = queryExistingCart(cart); if(!existing.isEmpty()) { // 3. 存在则更新数量 updateCartNumber(existing.get(0)); } else { // 4. 不存在则新增记录 insertNewCart(cart); } }

关键处理逻辑：

• 线程安全：通过数据库唯一索引防止并发问题
• 数据校验：检查菜品/套餐是否存在且有效
• 口味处理：对菜品需要特殊处理口味信息

4. 性能优化与异常处理

4.1 缓存性能优化

针对高并发场景的优化措施：

1. 缓存预热：定时任务在低峰期预加载热门分类数据
2. 本地缓存：使用Caffeine作为Redis前置缓存
3. 批量操作：使用Redis管道技术提升批量删除效率

// 使用管道批量删除 redisTemplate.executePipelined((RedisCallback<Object>) connection -> { for(String key : keys) { connection.del(key.getBytes()); } return null; });

4.2 购物车并发控制

解决购物车并发问题的两种方案：

方案一：乐观锁实现

@Update("UPDATE shopping_cart SET number = #{number}, version = version + 1 WHERE id = #{id} AND version = #{version}") int optimisticUpdate(ShoppingCart cart);

方案二：分布式锁实现

public void safeAddCart(ShoppingCartDTO dto) { String lockKey = "cart_lock:" + dto.getUserId(); try { // 尝试获取锁 Boolean locked = redisTemplate.opsForValue() .setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS); if(Boolean.TRUE.equals(locked)) { addShoppingCart(dto); } else { throw new BusinessException("操作太频繁"); } } finally { // 释放锁 redisTemplate.delete(lockKey); } }

4.3 异常处理策略

针对不同异常的处理建议：

1. 缓存穿透：

   • 对空结果进行缓存（设置较短过期时间）
   • 使用布隆过滤器预先校验Key

2. 缓存雪崩：

   • 差异化过期时间
   • 实现熔断降级机制

3. 数据不一致：

   • 采用延迟双删策略
   • 通过消息队列实现最终一致性

5. 实际开发中的经验总结

5.1 缓存使用注意事项

1. 键设计规范：

   • 使用冒号分层（如dish:category:1）
   • 避免过长的键名
   • 统一大小写规范

2. 序列化选择：

   • 优先使用JSON序列化
   • 避免Java原生序列化带来的兼容问题

3. 内存控制：

   • 设置合理的过期时间
   • 监控Redis内存使用情况
   • 对大对象考虑分片存储

5.2 购物车开发心得

1. 用户体验优化：

   • 合并相同商品条目
   • 保留商品快照信息
   • 实现快速增减数量功能

2. 性能优化技巧：

   • 批量查询商品信息
   • 异步记录操作日志
   • 使用冗余字段减少关联查询

3. 扩展性考虑：

   • 设计支持多店铺的购物车
   • 预留优惠券计算接口
   • 支持购物车商品收藏功能

在具体实现时，我们发现使用Redis Hash结构存储购物车数据可能更适合大型电商平台，但对于外卖这种轻量级场景，关系型数据库的方案更易于维护和保证事务一致性。