01.电商购物车设计

0、需求说明

• 设计要点：

  • 需要考虑的因素包括高并发访问、数据一致性、商品库存、数据库性能优化、用户登录状态管理、缓存使用、事务处理等

• 关键点

  • 数据库的事务隔离级别设计
  • 使用 Redis 缓存购物车数据
  • 乐观锁/分布式锁避免并发下的数据冲突
  • 水平拆分购物车数据，用户分区

• 核心问题：

  • 高并发：大量用户同时访问购物车，可能导致数据库性能瓶颈或缓存击穿问题

  • 数据一致性：高并发场景下，商品的加减、库存更新要保证一致性，避免出现超卖等问题

  • 商品库存管理：购物车操作直接影响库存，需要有效管理并发下库存的准确性

  • 用户体验：保证购物车操作响应快，用户体验流畅

  • 系统扩展性：支持后续系统功能拓展和业务增长

• 设计目标：

  • 高并发访问支持：能处理大规模用户的并发请求

  • 数据一致性保证：确保购物车中的数据与商品库存、订单状态保持一致

  • 性能优化：降低数据库的读写压力，通过缓存、异步处理等方式提升性能

  • 可扩展性：设计应具有良好的扩展能力，方便后期优化和功能增加

1、总体架构

• Web层：负责处理购物车的HTTP请求（增删改查操作）
• 服务层（Service层）：负责业务逻辑处理，如商品添加、删除、更新
• 缓存层（Redis）：加速购物车数据的访问，缓解数据库压力
• 数据库层（MySQL + Sharding）：持久化购物车数据，保障数据的持久性与一致性
• 库存管理模块：与购物车模块耦合，控制商品库存并防止超卖
• 分布式锁模块：避免并发冲突，使用乐观锁或分布式锁（如Redis的Redlock）

2、Web层

• 功能描述：负责接收来自用户的HTTP请求（如添加商品到购物车、删除商品等），并将请求发送到服务层
• 优化要点
  • 静态资源缓存：使用CDN加速购物车页面的静态资源加载
  • 限流与熔断：在购物车入口处使用限流和熔断机制，防止瞬时大流量攻击或访问造成的系统过载

3、服务层（Service层）

• 功能描述：处理购物车的核心业务逻辑，包括添加、修改、删除商品等操作，并与缓存、数据库层交互

• 分布式锁机制：对于同一个用户或商品操作，使用 Redis 的分布式锁避免并发冲突

• 异步操作：某些操作（如库存检查、购物车同步等）可以异步处理，减少主业务流程的阻塞时间

• 事件驱动架构：

  • 利用消息队列（如Kafka），将购物车操作事件化处理
  • 例如用户添加商品后，可以异步写入数据库，提升系统响应时间

4、缓存层（Redis）

• 功能描述：缓存用户的购物车数据，减少数据库的访问压力，并优化读写性能

• 缓存设计

  • 每个用户的购物车数据使用一个 Redis 键值对存储，推荐使用 Hash 结构，键为用户ID，值为购物车中的商品列表
  • 缓存购物车的有效期可以根据用户的活跃度调整，如30分钟到24小时活跃用户的购物车可以设置更长时间的缓存，而不活跃用户可以较快清理

• 缓存一致性

  • 缓存更新策略：购物车数据更新时，立即同步缓存使用 write-through 或 write-back 策略确保缓存和数据库数据的一致性
  • 缓存失效：购物车数据发生更改时，主动失效缓存，防止用户获取到过期数据

5、数据库层（MySQL + Sharding）

• 功能描述：持久化存储用户的购物车数据，保障数据持久性

• 数据库水平拆分：

  • 对用户购物车进行分区存储可以按用户ID做水平拆分
  • 将用户数据均匀分布到多个数据库节点，提升并发处理能力

• 分布式事务处理

  • 使用分布式事务控制购物车的更新操作，确保数据一致性（可选）
  • 如果采用最终一致性模型，可以通过异步任务补偿机制来处理部分失败的情况

6、库存管理模块

• 功能描述：对商品库存进行管理，与购物车耦合，确保在用户操作购物车时，商品库存能实时更新
• 库存缓存机制：库存信息可以缓存在Redis中，用户加购物车时，系统先检查库存是否充足如果库存不足，则返回错误提示
• 库存更新的幂等操作：确保用户多次提交相同的购物车操作时，库存不会被重复扣减使用乐观锁或者分布式锁机制，避免库存被超卖

7、分布式锁与乐观锁

• 功能描述：在高并发场景下避免同一用户同时操作购物车引起的数据冲突
• Redis分布式锁（Redlock）：
  • 对每个购物车操作生成唯一锁，确保购物车操作在一个时段内只有一个请求在处理，其他请求等待锁释放
• 乐观锁：
  • 可以在商品库存表或购物车表中加入一个 version 字段
  • 操作购物车时检查 version 是否匹配，确保并发操作不冲突更新成功后 version 自增

8、系统扩展性

1）用户分区设计

• 根据用户ID做分区，通过一致性哈希算法或者分库分表技术
• 将不同用户的购物车数据分布到不同数据库或缓存节点上，确保系统的可扩展性

2）秒杀与促销活动优化

• 在高并发的秒杀或促销场景，购物车系统需要进一步优化
  • 提前锁定商品库存
  • 秒杀场景下通过消息队列异步处理库存变化，避免实时写入造成的系统瓶颈

3）横向扩展与服务拆分

• 随着用户量的增长，购物车服务可以通过微服务架构进一步拆分
• 如购物车服务、库存服务、订单服务等独立部署，确保系统可以横向扩展