技能查看机制全解析：从新手入门到生产环境实践

9次阅读

没有评论

共计 1781 个字符，预计需要花费 5 分钟才能阅读完成。

关系型数据库模型 ：通常采用skills 表存储核心字段（ID、名称、描述、创建时间），通过 user_skills 关联表实现用户与技能的多对多关系
文档型存储方案：以 JSON 形式保存完整技能对象，包含嵌套的子技能树结构，适用于复杂技能体系
图数据库应用：当技能间存在复杂依赖关系时，使用节点表示技能，边表示技能间的关联属性

高频读取：95% 以上请求为查询操作
低延迟要求：用户端期望响应时间 <200ms
多维度过滤：常需按技能类型、熟练度、使用频率等条件组合查询

现象：基础 SQL 查询在 10 万级数据量时响应超 1s
根因分析：
未建立合适的复合索引
存在 N + 1 查询问题
全表扫描过滤条件

案例：多个服务同时更新用户技能评分导致数据覆盖
解决方案：
乐观锁机制（version 字段）
分布式锁（Redis RedLock）

典型问题：缓存与数据库状态不一致
解决策略：
双写模式配合事务消息
定时任务补偿机制

方案类型	响应时间	实现复杂度	数据一致性	适用场景
纯数据库查询	300-500ms	★★	强一致性	初期小流量阶段
Redis 缓存方案	50-100ms	★★★	最终一致性	读多写少中等流量
混合架构	<50ms	★★★★	可配置	高并发生产环境

# 核心查询服务实现
class SkillQueryService:
    def __init__(self, db_pool, redis_conn):
        self.db_pool = db_pool
        self.redis = redis_conn
        self.cache_ttl = 300  # 5 分钟缓存

    async def get_skills_by_user(self, user_id: int) -> List[Skill]:
        cache_key = f'user_skills:{user_id}'
        # 缓存优先读取
        if cached := await self.redis.get(cache_key):
            return json.loads(cached)

        # 数据库回源查询
        async with self.db_pool.acquire() as conn:
            skills = await conn.fetch("""
                SELECT s.* FROM skills s
                JOIN user_skills us ON s.id = us.skill_id
                WHERE us.user_id = $1
                ORDER BY us.proficiency DESC
            """, user_id)

        # 写入缓存并设置过期时间
        if skills:
            await self.redis.setex(
                cache_key, 
                self.cache_ttl, 
                json.dumps([dict(s) for s in skills])
            )
        return skills