2.0 KiB
2.0 KiB
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。