Redis应用-在用户数据里的应用

1.社区电商的业务闭环

接下来介绍的社区电商是以Redis作为主体技术、以MySQL和RocketMQ作为辅助技术实现的。

(1)社区电商运作模式

社区电商的关键点在于社区，而电商则是辅助性质(次要地位，流量变现)。社区可以分成很多种社区，比如美食社区、美妆社区、影评社区、妈妈社区。社区平台也有很多很多，一般中小型的社区平台居多，比如体育社区、汽车社区、本地生活社区。

比如美食社区APP：用户可以分享积累的美食食谱、或者对美食看法、甚至是出门体验的一些餐馆，用户还可以浏览其他用户发出的一些美食食谱、体验、经历、科普。用户通过浏览其他用户发的帖子，对其进行互动、关注、私信、交流、成为好友。这样一部分用户就可以成立平台里的一个私密圈子，基于美食兴趣爱好进行社交活动。

美食社区APP里会有一些用户发出的帖子内容特别优质，这些帖子内容会吸引很多用户来浏览，浏览量可能会非常大。这时可以在这些帖子添加一些推荐商品，这样浏览帖子的用户就会看到推荐的商品，可以点击商品链接，进入商品详情页，发生购物行为。

(2)电商APP的feed流

feed流指的是APP不断地、主动地显示各种新内容给用户，如果用户主动搜索和浏览就不是feed流。

用户在电商APP首页不断进行下拉时：电商APP会根据用户的喜好、爆款，通过算法不停地显示一批新的内容给用户，这种展示商品的方式就是电商APP的feed流。

比如当用户进入社区电商APP的首页后，进行不停下拉时：电商APP会把用户关注过的大v、可能感兴趣的美食帖子、浏览量高的爆款帖子，通过算法不停地计算出新的一批内容显示给用户， 这就社区电商的feed流。

此外，用户还可以在社区电商APP根据条件和分页进行结构化查询。

(3)社区电商的流量变现交易闭环

对于小红书这些社区电商APP来说，当社区互动做好了之后，APP就会吸引大量流量。而对于这种有大量流量的社区APP，流量变现的最好模式就是种草。

所谓种草就是用户发布分享帖子时，可以在分享内容里插入一些商品推荐并给出商品链接。这样当其他用户在浏览这些分享帖子时，就会看到推荐的商品和链接。然后点击链接就可以进入商品详情页，查看商品标题、图文视频介绍、价格、营销、库存等。接着加入购物车并发起订单提交、支付、履约，最后就能拿到商品。

接下来主要介绍社区电商部分功能点的实现：首页feed流、帖子分享浏览详情、社交分享和团购、商品详情和库存、购物车，这些功能会基于Redis的企业级缓存方案(主要) + RocketMQ(部分)来实现。

2.Redis缓存架构的典型生产问题

Redis的典型生产问题如下：

问题一：热key问题

热key就是某个key形成了热点。比如某明星突然官宣离婚，那么就会出现大量用户瞬时涌入该明星微博进行围观的情况。从而出现瞬时百万级千万级请求去获取Redis某个key的数据，这就是热key问题。

对于社区电商APP来说，如果有一个比较好的帖子分享和团购活动，那么也有可能短时间内引发大量用户把这该帖子详情页分享到微信等社交应用。从而引发大量用户在短时间内查看该分享详情页，最后造成Redis热key问题。

问题二：大value问题

存储的key-value特别大，比如value多达10M。这个value如果被频繁读取，那么就有可能把Redis机器的网络带宽打满，阻塞别的请求。

问题三：缓存穿透击穿问题

缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求(布隆过滤器或设置空对象)。缓存击穿是指缓存中没有但数据库中有的数据(一般是缓存时间到期)，这时由于并发请求特别多，同时读缓存没读到数据，又同时去数据库去取数据。

问题四：缓存失效和LRU被清理的问题

缓存数据设置了过期的时间，到期失效后应该如何来处理。Redis如果内存满了，LRU算法会自动淘汰一些数据，对于这些数据应该如何进行处理，如何才能实现自动加载和重建。

问题五：缓存雪崩问题

缓存雪崩是指缓存中数据大批量到过期时间，而查询量巨大，引起数据库压力过大甚至宕机。和缓存击穿不同的是：缓存击穿是指并发查同一条数据，缓存雪崩是不同数据都过期了。

如果Redis集群都崩掉了，只有数据库可以访问。那么首先就需要自动识别出缓存故障，然后马上进行限流对数据库进行保护，不让数据库崩溃，以及马上启动各个接口的降级机制。

各个接口的降级机制可以提前在JVM内存里，准备少量缓存作为降级备用数据。所以每个接口都需要有一个降级方案，一旦出现缓存故障，那么就可以自动限流避免数据库崩溃。

限流 -> 降级 -> 把JVM内存里缓存的默认数据给用户或者 直接对用户进行提醒。

问题六：数据库的一致性问题

缓存数据和数据库之间的一致性的保障，双写、异步同步如何保证一致性。

Redis生产总结：

Redis上了生产以后，首先需要模拟出足量的数据写入Redis里，比如模拟出千万级数据量写入部署好的Redis集群中。然后进行高并发压测，并通过CacheCloud进行监控运维。监控出有多少个缓存节点、里面放了多少G数据、大压力下接口性能如何、QPS多少、Redis机器负载如何、缓存命中率如何、数据库回源比例是多少、演示Redis节点故障的主从切换、演示Redis集群扩容等。

3.用户数据在读多写少场景下的缓存设计

具体的缓存设计如下：

一.新增或更新用户时先获取分布式锁，避免短时间发生多次请求出现重复新增