1)通用方案

 

日用户流量大，但是比较分散，偶尔会有用户高聚的情况;

 

场景： 用户签到，用户中心，用户订单等。

 

说明：

 

场景中的这些业务基本是用户进入APP后会操作到的，除了活动日(618、双11等)，这些业务的用户量都不会高聚集，同时这些业务相关的表都是大数据表，业务多是查询操作，所以我们需要减少用户直接命中DB的查询;优先查询缓存，如果缓存不存在，再进行DB查询，将查询结果缓存起来。

 

更新用户相关缓存需要分布式存储，比如使用用户ID进行hash分组，把用户分布到不同的缓存中，这样一个缓存集合的总量不会很大，不会影响查询效率。

 

方案如：

 

用户签到获取积分：

 

计算出用户分布的key，Redis，hash中查找用户今日签到信息

 

如果查询到签到信息，返回签到信息

 

如果没有查询到，DB查询今日是否签到过，如果有签到过，就把签到信息同步Redis缓存。

 

如果DB中也没有查询到今日的签到记录，就进行签到逻辑，操作DB添加今日签到记录，添加签到积分(这整个DB操作是一个事务)

 

缓存签到信息到Redis，返回签到信息

 

注意这里会有并发情况下的逻辑问题，如：一天签到多次，发放多次积分给用户。

 

用户订单：

 

这里我们只缓存用户第一页的订单信息，一页40条数据，用户一般也只会看第一页的订单数据

 

用户访问订单列表，如果是第一页读缓存，如果不是读DB

 

计算出用户分布的key，Redis，hash中查找用户订单信息

 

如果查询到用户订单信息，返回订单信息

 

如果不存在就进行DB查询第一页的订单数据，然后缓存redis，返回订单信息

 

用户中心：

 

计算出用户分布的key，Redis hash中查找用户订单信息

 

如果查询到用户信息，返回用户信息

 

如果不存在进行用户DB查询，然后缓存redis，返回用户信息