简单记录一下。
昨天下午听了一场关于网易考拉架构演进的分享。看似高大上的项目，其实也是从一个单体架构逐渐演进过来的，现在也发展到具有一定规模的微服务架构。
数据库用的是网易自研的DDB分布式数据库，并且采用了读写分离模式。
考拉大量用到了缓存，基本上所有商品数据都会放到缓存中。关于缓存的更新：一种是当没有缓存的时候会从数据库中拉取数据进行缓存，二是通过后台定时任务根据商品ID进行更新，据说可以10分钟更新上百万条缓存。
关于热点数据分片：商品减库存的场景下，程序会判断出哪些是热点商品，也就是说商品有较大的流量，会被频繁下单购买，也会有较多的减库存操作。为了提升并发场景下的减库存操作，考拉会把这个商品的库存拆分成多条库存数据，扣除库存的时候会随机选取一个进行扣除。那么，如果说刚好被随机到的这个库存数据被减完了该怎么办呢？考拉的处理方式是保留一个库存数据进行兜底，也就是说如果刚好被随机到的这个库存数据被扣完了，那就扣除默认的那条库存数据。如果并发仍然较高，会继续进行分片操作，把库存数据再进行二次拆分。
关于分布式事务用的是TCC方案。