51 lines
2.0 KiB
Markdown
51 lines
2.0 KiB
Markdown
|
# 性能与扩展性评估补充（模具订单/采购主线）
|
||
|
|
|
||
|
|
## 1. 高并发冲突面与加固点
|
||
|
|
|
||
|
|
### 1.1 新增/修改模具订单的锁冲突来源
|
||
|
|
|
||
|
|
- 冲突对象：同一仓库同一物料的 `inventory` 行。
|
||
|
|
- 冲突操作：创建订单自动扣料、按单领料、修改订单回补再扣减。
|
||
|
|
|
||
|
|
### 1.2 已落地的并发加固
|
||
|
|
|
||
|
|
- 对库存扣减采用原子更新（`UPDATE ... SET quantity = quantity - :qty WHERE quantity >= :qty RETURNING quantity`），避免“读-改-写”丢失更新与超卖。
|
||
|
|
|
||
|
|
## 2. 慢 SQL 发现与清单产出方法
|
||
|
|
|
||
|
|
### 2.1 生产环境抓取
|
||
|
|
|
||
|
|
- 启用 `pg_stat_statements` 并定期采样均值/最大耗时 TopN。
|
||
|
|
- 参考脚本：`scripts/db/030_pg_stat_statements.sql`。
|
||
|
|
|
||
|
|
### 2.2 代码层高风险查询点（需要重点盯）
|
||
|
|
|
||
|
|
- 订单列表/详情：按 `customer_id/status/order_date` 过滤 + 明细表 join。
|
||
|
|
- 库存流水：按 `warehouse_id/created_at` 分页、按 `reference_type/reference_id` 追溯。
|
||
|
|
- 物料需求计算：必须避免 N+1（已将 BOM 查询批量化）。
|
||
|
|
|
||
|
|
## 3. 索引与查询重写（可执行脚本）
|
||
|
|
|
||
|
|
- `scripts/db/002_indexes_and_constraints.sql` 覆盖：
|
||
|
|
- 订单头状态/客户组合索引
|
||
|
|
- 明细表 `order_id/product_id` 索引
|
||
|
|
- 流水 `warehouse_id+created_at`、`reference_type+reference_id` 索引
|
||
|
|
- 库存唯一约束与关键 check 约束
|
||
|
|
|
||
|
|
## 4. 千万级订单量扩展路线
|
||
|
|
|
||
|
|
### 4.1 优先方案：PostgreSQL 分区
|
||
|
|
|
||
|
|
- 表：`sales_orders`、`purchase_orders` 按 `order_date` 月分区。
|
||
|
|
- 参考模板：`scripts/db/010_partitioning_template.sql`。
|
||
|
|
|
||
|
|
### 4.2 分库分表（必要时）
|
||
|
|
|
||
|
|
- 拆分键：`org_id`（库路由）+ `order_date`（表分区）。
|
||
|
|
- 灰度步骤：双写→读切换→写切换→数据校验→下线旧库。
|
||
|
|
|
||
|
|
## 5. 缓存建议（可选）
|
||
|
|
|
||
|
|
- 读多写少：产品/BOM/供应商/客户可使用本地缓存（Caffeine 类似策略在 Python 可用 LRU/TTL）或 Redis。
|
||
|
|
- 幂等：新增订单建议引入 `idempotency_key`（请求头/字段），避免重复提交造成重复扣料与重复下单。
|