购物网站缓存页面

NancyLin · NancyLin · commit 61d01ca516c1 · 2017-09-01T00:40:24.000+08:00
diff --git a/shopping_website/README.md b/shopping_website/README.md
@@ -17,11 +17,22 @@
 
 我们把购物车的信息也存储到Redis，并且使用与用户会话令牌一样的cookie id来引用购物车。
 
+将用户和购物车都存储到Redis里面，这种做法除了可以减少请求体积外，我们可以根据用户浏览过的商品，用户放入购物车的商品以及用户最终购买的商品进行统计计算，并构建起很多大型网络零售上都在提供的”在查看过这件商品的用户当中，有X%的用户最终购买了这件商品“”购买了这件商品的用户也购买了某某其他商品“等功能，这些功能可以帮助用户查找其他相关的商品，并最终提升网站的销售业绩。
+
+#### （3）网页缓存 ####
+
+购物网站上多数页面实际上并不会经常发生大变化，虽然会向分类中添加新商品、移除旧商品、有时候特价促销、有时甚至还有”热卖商品“页面，但是在一般情况下，网站只有账号设置、以往订单、购物车（结账信息）以及其他少数几个页面才包含需要每次载入都要动态生成的内容。
+
+对于不需要动态生成的页面，我们需要尽量不再生成，减少网站在动态生成内容上面所花的时间，可以降低网站处理相同负载所需的服务器数量，让网站速度加快。
+
+python应用框架大都存在中间件，我们创建中间件来调用Redis缓存函数：对于不能被缓存的请求，直接生成并返回页面，对于可以被缓存的请求，先从缓存取出缓存页面，如果缓存页面不存在，那么会生成页面并将其缓存在Redis，最后将页面返回给函数调用者。
+
 * Redis设计 *
 （1）登录令牌与用户映射关系的散列 "login:"
 （2）记录最近登录用户的有序集合 "recent:"
 （3）记录各个用户最近浏览商品的有序集合 "viewed:94233rhsYRIq3yi3qryrye" 
 （4）每个用户的购物车散列，存储商品ID与商品订购数量之间的映射。"cart:94233rhsYRIq3yi3qryrye"
+（5）请求页面缓存集合 "cache:wre9w3rieruerwe3" (wre9w3rieruerwe3代表请求ID)
 
 (94233rhsYRIq3yi3qryrye假设为某个用户的令牌)
 
@@ -35,12 +46,16 @@
 （3）存储会话的内存会随着时间的推移而不断增加，需要定期清理会话数据，我们决定只保留最新的1000万个会话。
 
 我们可以用 *守护进程的方式来运行或者定义一个cron job每隔一段时间运行* ，
-检查最近 “记录最近登录用户的有序集合” 大小是否超过了限制，超过限制每秒从集合中删除最旧的100个令牌，并且移除相应的“登录令牌与用户映射关系的散列”的信息和对应的“记录各个用户最近浏览商品的有序集合”。
+检查最近 “记录最近登录用户的有序集合” 大小是否超过了限制，超过限制每秒从集合中删除最旧的100个令牌，并且移除相应的“登录令牌与用户映射关系的散列”的信息和对应的“记录各个用户最近浏览商品的有序集合”，对应的”美国用户的购物车散列“。
 
 我们也可以使用EXPIRE命令，为用户令牌设记录用户商品浏览记录的有序集合设置过期时间，让Redis在一段时间之后自动删除它们，这样就不用使用有序集合来记录最近出现的令牌了，但是这样我们就没办法将会话数限制在1000万之内了。
 
 （4）对购物车进行更新，如果用户订购某件商品数量大于0，将商品信息添加到 “用户的购物车散列”中，如果购买商品已经存在，那么更新购买数量。
 
+（5）在用户请求页面时，对于不能被缓存的请求，直接生成并返回页面，对于可以被缓存的请求，先从缓存取出缓存页面，如果缓存页面不存在，那么会生成页面并将其缓存在Redis，最后将页面返回给函数调用者。
+
+
+
 
 
 * Redis设计 *
diff --git a/shopping_website/shopping_website.py b/shopping_website/shopping_website.py
@@ -65,11 +65,13 @@ def clearSession(conn):
         end_index = min(size - LIMIT, 100)
         tokens = conn.zrange('recent:', 0, end_index - 1)
         
+        # 将要删除的key都推入到数组中，要时候一起删除
         session_keys = []
         for token in tokens:
             session_keys.append('viewed:' + token)
+            session_keys.append('cart:' + token)
         
-        # 批量删除相应的用户最近浏览商品有序集合，登录令牌与用户映射关系的散列和记录最近登录用户的有序集合
+        # 批量删除相应的用户最近浏览商品有序集合，用户的购物车，登录令牌与用户映射关系的散列和记录最近登录用户的有序集合
         conn.delete(*session_key)
         conn.hdel('login:', *tokens)
         conn.zrem('recent:', *tokens)
@@ -78,6 +80,10 @@ def clearSession(conn):
 对购物车进行更新，如果用户订购某件商品数量大于0，将商品信息添加到 “用户的购物车散列”中，如果购买商品已经存在，那么更新购买数量
 
 @param {object}
+@param {string} session
+@param {string} item
+@param {float}  count
+
 """
 def addToCart(conn, session, item, count):
     if count <= 0:
@@ -86,4 +92,30 @@ def addToCart(conn, session, item, count):
     else:
     	# 将指定商品添加到对应的购物车中
         conn.hset('cart:' + session, item, count)
+
+"""
+在用户请求页面时，对于不能被缓存的请求，直接生成并返回页面，
+对于可以被缓存的请求，先从缓存取出缓存页面，如果缓存页面不存在，那么会生成页面并将其缓存在Redis，最后将页面返回给函数调用者。
+
+@param {object} conn
+@param {string} request
+@param {callback}
+
+@return 
+"""
+def cacheRequest(conn, request, callback):
+    # 判断请求是否能被缓存，不能的话直接调用回调函数
+    if not canCache(request):
+        return callback(request)
+    
+    # 将请求转换为一个简单的字符串健，方便之后进行查找
+    page_key = 'cache:' + hash_request(request)
+    content = conn.get(page_key)
+    
+    # 没有缓存的页面，调用回调函数生成页面，并缓存到redis中
+    if not content:
+        content = callback(request)
+        conn.setex(page_key, content, 300)
+
+    return content
     
