电商平台的建设和规划

电商平台的建设和规划

规划电商平台的建设和运营，你知道吗？

规划电商平台的建设和运营，你知道吗？

规划电商平台与一般的电商平台在运营模式上具有一定相似之处，但由于其交易的产品性质的特殊性，规划电商平台的运营应具有自主创新型，希望下面的文章对大家有所帮助!

1、我国电子商务发展现状

电子商务进入规模发展阶段。截止到2012年底，电子商务市场交易规模达7.85万亿，同比增长30.83%。2011年电商生产总值占国生产总值的13%，2012年这一比重达到15%。

零售市场交易依然高速增长。从人口增速和消费人群看，人口增速较为稳定，20至40岁的消费人群使用消费的模式几近固定，这些因素决定了交易额将在一定水平上趋于平稳增长。

移动终端网络购物爆发性增长。

2、规划电商平台运营中应注意的相关内容

规划电商平台从无到有经历了平台的搭建、平台的推广以及平台的维护。平台的搭建是规划电商平台运营的基础，良好的推广模式决定规划电商平台运营的成功与否，而平台的维护对规划电商平台运营的可持续发展起着至关重要的作用。

3、规划电商平台的搭建

规划电商平台的搭建包括网站的建立、网站内容的充实以及网站的相关优化。

网站的建立。网站是规划电商平台的整体框架，可以购买与自建。购买从一定时间上节省时间成本且降低风险要素，但不能拥有网站的原始版权;自建在一定程度上有高成本高风险且低效率等问题，但拥有网站的.自主版权，对平台的长远发展具有一定的优势。

网站内容的充实。主要包括网站栏目的策划以及产品的分类。规划电商平台的网站栏目根据平台的主题，围绕规划相关方面展开，包括美丽乡村、特色小镇、特种规划、产业规划、总控详规划、景观规划以及建筑设计等。产品的分类可从两个角度进行，其一，根据栏目进行分类;其二，根据产品性质进行分类，包括规划设计服务类、数据查询类等。

网站的优化。包括产品搜索页面优化与搜索引擎优化。产品搜索页面优化为网站内容优化，为客户更容易了解产品;搜索引擎优化为网站内存优化，使网页打开速度做到快，节省等待时间。

4、规划电商平台的推广

规划电商平台的推广包括网站初期推广、网站运营期推广以及网站成熟期的推广。

网站初期推广。①向各大搜索引擎提交网站地址;②友情链接，与合作伙伴及行业门户网站建立链接;③配合公司其他部门对网站进行网络媒体宣传;④网络资源合作，利用网络共享资源对网站和产品进行推广，增加访问量，增强客户对品牌的认识，搜索引擎的排名优势和网站的权威性;⑤。

网站运营期推广。①网络广告投放，针对目标客户进行广告投放。②软文宣传，对时下较新的规划话题进行有针对性的研究，并编写相关文章，以电商网站的名义在网上进行发布，增强品牌认识度，以提高客户认可。③邮件推广;④会员制营销;⑤网络调研，对规划问题进行调研性探讨。

网站成熟期推广。①促销活动，对不同类型的产品轮流进行促销活动;②特殊专题策划，以城市规划行业的大为由，举办网络活动，在网络中融入产品宣传;③为老客户提供相应的免费数据查询服务或是限期免费咨询服务等;

5、规划电商平台的维护

规划电商平台的维护包括网站的维护和客户关系的维护。网站的维护包括网站的缓存清理、搜索优化、产品页面优化以及产品的更新;客户关系的维护包括客户与企业的关系维护、潜在客户的挖掘等。

6、规划电商平台的运营模式选择探讨

规划电商平台大都可采用传统的B2C模式，即企业对消费者的电商模式，属于纯网络交易，这对于数据查询服务产品以及部分简单的规划设计服务产品适用，可节约时间成本，但对于部分较难的规划设计服务产品，设计到现场调研等情况，可采用D2D的模式，以电商平台为一个前台服务功能，交易达成后，其他服务可通过线下交易完成。

7、规划电商平台前瞻

，资源共享化。通过规划电商平台，实现规划标准、模式、政策以及设计等资源的共享化，提高资源的利用率。

第二，规划知识普及化。通过规划电商平台的教育培训以及咨询服务等功能，为更多人提供了解规划的机会，实现规划知识普及化。

第三，规划设计行业竞争透明化。规划电商平台也是交易平台，交易的商品为规划设计、教育培训、规划标准等，通过规划电商平台，客户可以各取所需，省去传统交易方式的一些中间环节，提高交易效率。

第四，为规划行业在电商行业中开拓新市场。随着电商行业的快速创新发展，各行各业已在电商行业中占据一定的经济地位，也迎来一定的市场，对于规划行业，本身具有一定的创新性，更应该利用创新性的推广模式，借助电商平台，开拓规划行业的新市场。

;

redis一般存储什么类型数据

Redis是一个开源的底层使用C语言编写的key-value存储数据库。可用于缓存、发布、高速队列等场景。而且支持丰富的数据类型：string(字符串)、hash(哈希)、list(列表)、set(无序)、zset(sorted set：有序)

Redis在项目中的应用场景

1、缓存数据

常用，对经常需要查询且变动不是很频繁的数据 常称作热点数据。

2、消息队列

相当于消息系统，比如ActiveMQ、RocketMQ。如果对数据有较高一致性要求时，还是建议使用MQ)

3、计数器

比如统计点击率、点赞率，redis具有原子性，可以避免并发问题

4、电商网站信息

大型电商平台初始化页面数据的缓存。比如去哪儿买机票的时候首页的价格和你点进去的价格会有异。

5、热点数据

比如网站实时热点、微博热搜等，需要频繁更新。总数据量比较大的时候直接从数据库查询会影响性能

Redis数据类型的应用场景

前面提到了Redis支持五种丰富的数据类型，那么在不同场景下我们该怎么选择呢？

1、String

字符串是常用的数据类型，他能够存储任何类型的字符串，当然也包括二进制、JSON化的对象、甚至是base64编码之后的。在Redis中一个字符串的容量为512MB，可以说是无所不能了。

2、Hash

常用作存储结构化数据、比如系统中可以用来存储用户的Id、昵称、头像、积分等信息。如果需要修改其中的信息，只需要通过Key取出Value进行反序列化修改某一项的值，再序列化存储到Redis中，Hash结构存储，由于Hash结构会在单个Hash元素在不足一定数量时进行压缩存储，所以可以大量节约内存。这一点在String结构里是不存在的。

3、List

List的实现为一个双向链表，即可以支持反向查找和遍历，更方便作，不过带来了部分额外的内存开销，Redis 内部的很多实现，包括发送缓冲队列等也都是用的这个数据结构。另外，可以利用 lrange 命令，做基于 Redis 的分页功能，性能，用户体验好。

4、Set

set 对外提供的功能与 list 类似是一个列表的功能，特殊之处在于 set 是可以自动排重的，当你需要存储一个列表数据，又不希望出现重复数据时，这个时候就可以选择使用set。

5、Sort Set

可以按照某个条件的权重进行排序，比如可以通过点击数做出排行榜的数据应用。

Redis特点：

1、Redis是纯内存作，需要的时候需要我们手动持久化到硬盘中

2、Redis是单线程，从而避开了多线程中上下文频繁切换的作。

3、Redis数据结构简单、对数据的作也比较简单

4、使用底层模型不同，它们之间底层实现方式以及与客户端之间通信的应用协议不一样，Redis直接自己构建了VM 机制 ，因为一般的系统调用系统函数的话，会浪费一定的时间去移动和请求

5、使用多路I/O复用模型，非阻塞I/O

更多Redis相关知识，请访问Redis使用教程栏目！

配置一个电商云要注意些什么？

首先你要先明确你要做哪方面的电商，做大做小所需要的配置也是不同的，在如何选择配置自己的方面我为大家总结了以下几点注意事项。

一、的安全性

安全无论从哪里讲都是重要的，网络中的安全更是如此，因为的安全性直接关系到你电商网站平台的安全性，如果没有一个安全的你的网站你的平台可能会轻易的受到恶意的攻击，数据可能会遭到篡改，用户们在你这购物的权益就不会被保障，而且你自己的利益也会受到损失，所以安全性是要素。

二、要考虑到的储存空间

如果你的电商网站或者平台刚刚起步，并没有很繁琐的链接图文，没有视频等占据较大储存空间的内容，你可以选择一个小储存，为了以后的发展我还是建议大家一开始就购买一个储存富裕的，也为以后提供方便。

三、要考虑到的稳定性和访问的速度以及运行情况

如果运行不稳定访问速度极慢，这就影响了用户的购物体验，一个网页加载半天，介绍段视频缓存不出来，这些都是运营的失败，这不仅会影响我们在搜索引擎上的排名更会影响我们的利益并且错失许多用户。所以在稳定性以及运行速度上要特别注意，选择一个合适的会让我们的电商运营更加顺利。是我们成功的基础和保障。

电商网站商品列表页用的是搜索引擎还是数据库+缓存的方式

大的电商网站页面一般都是从缓存里面读取过来的，页面更新快的缓存时间比较短。

搜索页面建议是不加缓存，或者缓存时间极短。因为用户很难确定，或许高频词会缓存一些，这些就得看网站的部署策略了，缓存策略只是解决了数据库访问的压力

除了页面缓存之外，数据库还需要定时更新索引，索引的更新才是决定页面终命中效果的关键，大的电商网站索引创建会很耗时，所以需要相对较长的时间才会更新一下索引系统

电商平台应该分析哪些数据？具体怎么去分析

众所周知，电商平台定期都要对商品销售进行分析，比如针对各个不同商品的销量、库存分析、商品评论等。做商品数据分析，可以从时间维度或者从不同商品的类别、价格等多个维度来做分析，这里可以做的数据图表类型很多。

一、时间维度

从时间维度上来看，除了显示分析周期的数据，常用的分析方式是同比和环比，时间区间可以是年、季和月，甚至是周，不过周相对用的少。

二、商品类别、价格维度

本次分析我主要是从商品类别、价格等多角度来进行商品数据分析，先是商品总的数据预览，如图（图表在BDP个人版上制作的）：

这是选取8月23日的数据，可以看出，整个平台的上架的商品量还有4372万，量还比较多；商品好评率为93%，是整个平台的平均值，那应该还算不错啦！本月的月销量还有12%，只有24-31日一共8天，完成剩下的12%应该问题不大，相当于这个超额完成销量啦，是不是平台近期上架了很多夏天商品，所以8月份超额完成也是正常，比如游泳三件套、风扇等等。还是这个月做了什么活动，让这个月的销量比预定的目标稍微好一些......数据真实的反应是这样，至于原因还是需要自己去找哈。

自己平台上的上架商品的数量、价格分布情况，作为应该很了解的，均价当然也要了解，均价可能直接影响到网站客单价，网站的价格定位甚至是主要人群定位都会很清晰。比如，某个网站均价5000，那可能可以属于轻品网站了，可能主要人群是年收入过10万的女白领等等，这个依不同网站而定。

以上只是简单分析商品的某些数据，商品还能进行关联性、TOP10、采购情况等分析，大家依据自己的网站实际情况进行分析。当然，电商平台除了商品分析，还有订单数据、用户行为等分析，有空再一起探讨！

如何保证数据库缓存的终一致性？

对于互联网业务来说，传统的直接访问数据库方式，主要通过数据分片、一主多从等方式来扛住读写流量，但随着数据量的积累和流量的激增，仅依赖数据库来承接所有流量，不仅成本高、效率低、而且还伴随着稳定性降低的风险。

鉴于大部分业务通常是读多写少（读取频率远远高于更新频率），甚至存在读作数量高出写作多个数量级的情况。因此， 在架构设计中，常采用增加缓存层来提高系统的响应能力 ，提升数据读写性能、减少数据库访问压力，从而提升业务的稳定性和访问体验。

根据 CAP 原理，分布式系统在可用性、一致性和分区容错性上无法兼得，通常由于分区容错无法避免，所以一致性和可用性难以同时成立。对于缓存系统来说， 如何保证其数据一致性是一个在应用缓存的同时不得不解决的问题 。

需要明确的是，缓存系统的数据一致性通常包括持久化层和缓存层的一致性、以及多级缓存之间的一致性，这里我们仅讨论前者。持久化层和缓存层的一致性问题也通常被称为双写一致性问题，“双写”意为数据既在数据库中保存一份，也在缓存中保存一份。

对于一致性来说，包含强一致性和弱一致性 ，强一致性保证写入后立即可以读取，弱一致性则不保证立即可以读取写入后的值，而是尽可能的保证在经过一定时间后可以读取到，在弱一致性中应用为广泛的模型则是终一致性模型，即保证在一定时间之后写入和读取达到一致的状态。对于应用缓存的大部分场景来说，追求的则是终一致性，少部分对数据一致性要求极高的场景则会追求强一致性。

为了达到终一致性，针对不同的场景，业界逐步形成了下面这几种应用缓存的策略。

— 1 —

Cache-Aside

Cache-Aside 意为旁路缓存模式，是应用为广泛的一种缓存策略。下面的图示展示了它的读写流程，来看看它是如何保证终一致性的。在读请求中，首先请求缓存，若缓存命中（cache hit），则直接返回缓存中的数据；若缓存未命中（cache miss），则查询数据库并将查询结果更新至缓存，然后返回查询出的数据（demand-filled look-aside ）。在写请求中，先更新数据库，再删除缓存（write-invalidate）。

1、为什么删除缓存，而不是更新缓存？

在 Cache-Aside 中，对于读请求的处理比较容易理解，但在写请求中，可能会有读者提出疑问，为什么要删除缓存，而不是更新缓存？站在符合直觉的角度来看，更新缓存是一个容易被理解的方案，但站在性能和安全的角度，更新缓存则可能会导致一些不好的后果。

首先是性能 ，当该缓存对应的结果需要消耗大量的计算过程才能得到时，比如需要访问多张数据库表并联合计算，那么在写作中更新缓存的动作将会是一笔不小的开销。同时，当写作较多时，可能也会存在刚更新的缓存还没有被读取到，又再次被更新的情况（这常被称为缓存扰动），显然，这样的更新是白白消耗机器性能的，会导致缓存利用率不高。

而等到读请求未命中缓存时再去更新，也符合懒加载的思路，需要时再进行计算。删除缓存的作不仅是幂等的，可以在发生异常时重试，而且写-删除和读-更新在语义上更加对称。

其次是安全 ，在并发场景下，在写请求中更新缓存可能会引发数据的不一致问题。参考下面的图示，若存在两个来自不同线程的写请求，首先来自线程 1 的写请求更新了数据库（step 1），接着来自线程 2 的写请求再次更新了数据库（step 3），但由于网络延迟等原因，线程 1 可能会晚于线程 2 更新缓存（step 4 晚于 step 3），那么这样便会导致终写入数据库的结果是来自线程 2 的新值，写入缓存的结果是来自线程 1 的旧值，即缓存落后于数据库，此时再有读请求命中缓存（step 5），读取到的便是旧值。

2、为什么先更新数据库，而不是先删除缓存？

另外，有读者也会对更新数据库和删除缓存的时序产生疑问，那么为什么不先删除缓存，再更新数据库呢？在单线程下，这种方案看似具有一定合理性，这种合理性体现在删除缓存成功。

但更新数据库失败的场景下，尽管缓存被删除了，下次读作时，仍能将正确的数据写回缓存，相对于 Cache-Aside 中更新数据库成功，删除缓存失败的场景来说，先删除缓存的方案似乎更合理一些。那么，先删除缓存有什么问题呢？

问题仍然出现在并发场景下，首先来自线程 1 的写请求删除了缓存（step 1），接着来自线程 2 的读请求由于缓存的删除导致缓存未命中，根据 Cache-Aside 模式，线程 2 继而查询数据库（step 2），但由于写请求通常慢于读请求，线程 1 更新数据库的作可能会晚于线程 2 查询数据库后更新缓存的作（step 4 晚于 step 3），那么这样便会导致终写入缓存的结果是来自线程 2 中查询到的旧值，而写入数据库的结果是来自线程 1 的新值，即缓存落后于数据库，此时再有读请求命中缓存（ step 5 ），读取到的便是旧值。

另外，先删除缓存，由于缓存中数据缺失，加剧数据库的请求压力，可能会增大缓存穿透出现的概率。

3、如果选择先删除缓存，再更新数据库，那如何解决一致性问题呢？

为了避免“先删除缓存，再更新数据库”这一方案在读写并发时可能带来的缓存数据，业界又提出了延时双删的策略，即在更新数据库之后，延迟一段时间再次删除缓存，为了保证第二次删除缓存的时间点在读请求更新缓存之后，这个延迟时间的经验值通常应稍大于业务中读请求的耗时。

延迟的实现可以在代码中 sleep 或采用延迟队列。显而易见的是，无论这个值如何预估，都很难和读请求的完成时间点准确衔接，这也是延时双删被诟病的主要原因。

4、那么 Cache-Aside 存在数据不一致的可能吗？

在 Cache-Aside 中，也存在数据不一致的可能性。在下面的读写并发场景下，首先来自线程 1 的读请求在未命中缓存的情况下查询数据库（step 1），接着来自线程 2 的写请求更新数据库（step 2），但由于一些极端原因，线程 1 中读请求的更新缓存作晚于线程 2 中写请求的删除缓存的作（step 4 晚于 step 3），那么这样便会导致终写入缓存中的是来自线程 1 的旧值，而写入数据库中的是来自线程 2 的新值，即缓存落后于数据库，此时再有读请求命中缓存（step 5），读取到的便是旧值。

这种场景的出现，不仅需要缓存失效且读写并发执行，而且还需要读请求查询数据库的执行早于写请求更新数据库，同时读请求的执行完成晚于写请求。足以见得，这种 不一致场景产生的条件非常严格，在实际的生产中出现的可能性较小 。

除此之外，在并发环境下，Cache-Aside 中也存在读请求命中缓存的时间点在写请求更新数据库之后，删除缓存之前，这样也会导致读请求查询到的缓存落后于数据库的情况。

虽然在下一次读请求中，缓存会被更新，但如果业务层面对这种情况的容忍度较低，那么可以采用加锁在写请求中保证“更新数据库&删除缓存”的串行执行为原子性作（同理也可对读请求中缓存的更新加锁）。 加锁势必会导致吞吐量的下降，故采取加锁的方案应该对性能的损耗有所预期。

— 2 —

补偿机制

我们在上面提到了，在 Cache-Aside 中可能存在更新数据库成功，但删除缓存失败的场景，如果发生这种情况，那么便会导致缓存中的数据落后于数据库，产生数据的不一致的问题。

其实，不仅 Cache-Aside 存在这样的问题，在延时双删等策略中也存在这样的问题。针对可能出现的删除失败问题，目前业界主要有以下几种补偿机制。

1、删除重试机制

由于同步重试删除在性能上会影响吞吐量，所以常通过引入消息队列，将删除失败的缓存对应的 key 放入消息队列中，在对应的消费者中获取删除失败的 key ，异步重试删除。这种方法在实现上相对简单，但由于删除失败后的逻辑需要基于业务代码的 trigger 来触发 ，对业务代码具有一定入侵性。

鉴于上述方案对业务代码具有一定入侵性，所以需要一种更加优雅的解决方案，让缓存删除失败的补偿机制运行在背后，尽量少的耦合于业务代码。一个简单的思路是通过后台任务使用更新时间戳或者版本作为对比获取数据库的增量数据更新至缓存中，这种方式在小规模数据的场景可以起到一定作用，但其扩展性、稳定性都有所欠缺。

一个相对成熟的方案是基于 MySQL 数据库增量日志进行解析和消费，这里较为流行的是阿里巴巴开源的作为 MySQL binlog 增量获取和解析的组件 c（类似的开源组件还有 Maxwell、Databus 等）。

c sr 模拟 MySQL sle 的交互协议，伪装为 MySQL sle，向 MySQL 发送 dump 协议，MySQL 收到 dump 请求，开始推送 binary log 给 sle （即 c sr ），c sr 解析 binary log 对象（原始为 byte 流），可由 c client 拉取进行消费，同时 c server 也默认支持将变更记录投递到 MQ 系统中，主动推送给其他系统进行消费。

在 ack 机制的加持下，不管是推送还是拉取，都可以有效的保证数据按照预期被消费。当前版本的 c 支持的 MQ 有 Kafka 或者 RocketMQ。另外， c 依赖 ZooKeeper 作为分布式协调组件来实现 HA ，c 的 HA 分为两个部分：

那么，针对缓存的删除作便可以在 c client 或 consumer 中编写相关业务代码来完成。这样，结合数据库日志增量解析消费的方案以及 Cache-Aside 模型，在读请求中未命中缓存时更新缓存（通常这里会涉及到复杂的业务逻辑），在写请求更新数据库后删除缓存，并基于日志增量解析来补偿数据库更新时可能的缓存删除失败问题，在绝大多数场景下，可以有效的保证缓存的终一致性。

另外需要注意的是，还应该隔离事务与缓存，确保数据库入库后再进行缓存的删除作。 比如考虑到数据库的主从架构，主从同步及读从写主的场景下，可能会造成读取到从库的旧数据后便更新了缓存，导致缓存落后于数据库的问题，这就要求对缓存的删除应该确保在数据库作完成之后。所以，基于 binlog 增量日志进行数据同步的方案，可以通过选择解析从的 binlog，来避免主从同步下删除缓存过早的问题。

3、数据传输服务 DTS

— 3 —

Read-Through

Read-Through 意为读穿透模式，它的流程和 Cache-Aside 类似，不同点在于 Read-Through 中多了一个访问控制层，读请求只和该访问控制层进行交互，而背后缓存命中与否的逻辑则由访问控制层与数据源进行交互，业务层的实现会更加简洁，并且对于缓存层及持久化层交互的封装程度更高，更易于移植。

— 4 —

Write-Through

Write-Through 意为直写模式，对于 Write-Through 直写模式来说，它也增加了访问控制层来提供更高程度的封装。不同于 Cache-Aside 的是，Write-Through 直写模式在写请求更新数据库之后，并不会删除缓存，而是更新缓存。

这种方式的 优势在于读请求过程简单 ，不需要查询数据库更新缓存等作。但其劣势也非常明显，除了上面我们提到的更新数据库再更新缓存的弊端之外，这种方案还会造成更新效率低，并且两个写作任何一次写失败都会造成数据不一致。

如果要使用这种方案， 可以将这两个作作为事务处理，可以同时失败或者同时成功，支持回滚，并且防止并发环境下的不一致 。另外，为了防止缓存扰动的频发，也可以给缓存增加 TTL 来缓解。

站在可行性的角度，不管是 Write-Through 模式还是 Cache-Aside 模式，理想状况下都可以通过分布式事务保证缓存层数据与持久化层数据的一致性，但在实际项目中，大多都对一致性的要求存在一些宽容度，所以在方案上往往有所折衷。

Write-Through 直写模式适合写作较多，并且对一致性要求较高的场景，在应用 Write-Through 模式时，也需要通过一定的补偿机制来解决它的问题。首先，在并发环境下，我们前面提到了先更新数据库，再更新缓存会导致缓存和数据库的不一致，那么先更新缓存，再更新数据库呢？

这样的作时序仍然会导致下面这样线程 1 先更新缓存，更新数据库的情况，即由于线程 1 和 线程 2 的执行不确定性导致数据库和缓存的不一致。这种由于线程竞争导致的缓存不一致，可以通过分布式锁解决，保证对缓存和数据库的作仅能由同一个线程完成。对于没有拿到锁的线程，一是通过锁的 timeout 时间进行控制，二是将请求暂存在消息队列中顺序消费。

在下面这种并发执行场景下，来自线程 1 的写请求更新了数据库，接着来自线程 2 的读请求命中缓存，接着线程 1 才更新缓存，这样便会导致线程 2 读取到的缓存落后于数据库。同理，先更新缓存后更新数据库在写请求和读请求并发时，也会出现类似的问题。面对这种场景，我们也可以加锁解决。

另在，在 Write-Through 模式下，不管是先更新缓存还是先更新数据库，都存在更新缓存或者更新数据库失败的情况，上面提到的重试机制和补偿机制在这里也是奏效的。

— 5 —

Write-Behind

Write behind 意为异步回写模式，它也具有类似 Read-Through/Write-Through 的访问控制层，不同的是，Write behind 在处理写请求时，只更新缓存而不更新数据库，对于数据库的更新，则是通过批量异步更新的方式进行的，批量写入的时间点可以选在数据库负载较低的时间进行。

在 Write-Behind 模式下，写请求延迟较低，减轻了数据库的压力，具有较好的吞吐性。但数据库和缓存的一致性较弱，比如当更新的数据还未被写入数据库时，直接从数据库中查询数据是落后于缓存的。同时，缓存的负载较大，如果缓存宕机会导致数据丢失，所以需要做好缓存的高可用。显然，Write behind 模式下适合大量写作的场景，常用于电商秒杀场景中库存的扣减。

— 6 —

Write-Around

如果一些非核心业务，对一致性的要求较弱，可以选择在 cache aside 读模式下增加一个缓存过期时间，在写请求中仅仅更新数据库，不做任何删除或更新缓存的作，这样，缓存仅能通过过期时间失效。这种方案实现简单，但缓存中的数据和数据库数据一致性较，往往会造成用户的体验较，应慎重选择。

— 7 —

总结

在解决缓存一致性的过程中，有多种途径可以保证缓存的终一致性，应该根据场景来设计合适的方案，读多写少的场景下，可以选择采用“Cache-Aside 结合消费数据库日志做补偿”的方案，写多的场景下，可以选择采用“Write-Through 结合分布式锁”的方案 ，写多的极端场景下，可以选择采用“Write-Behind”的方案。

电商平台是怎么做起来的？求分析案例。

按以下步骤做起来的：

1、首先是判断自己是否应该开发电商平台

思考自己想要开发什么模式的电商平台：目前市面上主流的电商平台就是B2C，B2B，B2B2C三种商业模式，B2C主要是品牌商，零售商搭建零售电商平台。

B2B模式的电商平台，一般需求方是拥有很多供应商资源，因此会开发一个供多商家入驻的B2B平台，需求方负责运营，B2B2C一般是集自营和商家入驻为一体，自己可以有商品也可以没有商品。

2、拥有自己的域名和

域名就相当于你的名字，所以域名要简单好记，能体现你电商平台的属性，，是自己单独购买一个，因为一旦牵涉到交易等私密信息，部署是必须要的。

3、确定电子商务平台的开发语言以及数据库

电子商务平台的开发语言种类较多，ASP、PHP和JSP这些都是可以实现编辑平台的语言，如果你有自己的开发团队，那语言就看你团队的人会什么语言，目前主流的就是JAVA和PHP，JAVA语言比较稳定但是成本高，不灵活，PHP比较灵活，模块可以灵活变更。

开发一款电商App有什么需要注意的？

电商App有规模大小，建议找开源的框架修改，可以省不少力气。

另外电商App不要求很高的性能，做H5页面外面套原生的壳子就可以，这样能大幅降低研发成本。

后端还是ja比较长久些，其他语言现在人才比较少了。

1.分析业务场景，多大的并发量？预计未来三年业务增长如何？这样可以确定整个架构

2.如果同时在线并发数有几千，那应该很厉害了，上万了，那都是不钱，什么大牛都可以招

3.考虑整体架构，Nginx做方向，CDN缓存静态文件，MySql读写分离，分库分表(具体业务具体分析)，应用服务做集群，并发大的话，直接做服务拆分，Redis缓存服务等等

数据库，网络平台和开发语言。数据库一般选择mysql,oracle和sqlserver.mysql数据库可以免费获取，并且有淘宝项目的成功支持，所以被作为优选。网络平台可以选择阿里云平台托管，节省资源和开支，开发语言也可以选择Ja,PHP,.NET之类的计算机语言。因为他们都经过了近二十年时间的检验，相对其他语言来说还是值得信赖的