电子产品B2B平台的典型技术挑战是海量SKU的快速检索和推广数据的实时聚合——一个中型电子元器件平台可能维护超过50万个SKU，涵盖芯片、传感器、连接器、电源模块等数十个品类。网络推广场景下，用户行为数据的实时采集和分析需要高吞吐量的消息处理能力。本文基于.NET Core 8 + Redis + RabbitMQ技术栈，从高并发查询、多级缓存和消息驱动的推广数据分析三个维度，给出完整的技术实现方案。

一、多级缓存架构设计与Redis策略

电子产品SKU的查询特性呈现出明显的"二八分布"——20%的热门型号承载了80%的查询流量。针对这一特性，采用L1本地缓存（MemoryCache）+ L2分布式缓存（Redis）+ L3持久化存储（SQL Server）的三级缓存架构：

// 三级缓存服务实现
public class ProductCacheService
{
    private readonly IMemoryCache _l1Cache;
    private readonly IDistributedCache _l2Cache;
    private readonly ProductDbContext _db;

    public async Task<ProductDto> GetProductAsync(string sku)
    {
        // L1: 本地内存缓存（TTL 30秒）
        var l1Key = $"product:l1:{sku}";
        if (_l1Cache.TryGetValue(l1Key, out ProductDto cached))
            return cached;

        // L2: Redis分布式缓存（TTL 30分钟）
        var l2Key = $"product:l2:{sku}";
        var l2Cached = await _l2Cache.GetStringAsync(l2Key);
        if (l2Cached != null)
        {
            var product = JsonSerializer.Deserialize<ProductDto>(l2Cached);
            _l1Cache.Set(l1Key, product, TimeSpan.FromSeconds(30));
            return product;
        }

        // L3: 数据库查询
        var entity = await _db.Products
            .Include(p => p.Supplier)
            .Include(p => p.TechSpecs)
            .FirstOrDefaultAsync(p => p.Sku == sku);

        if (entity == null) return null;

        var dto = MapToDto(entity);
        var json = JsonSerializer.Serialize(dto);

        await _l2Cache.SetStringAsync(l2Key, json,
            new DistributedCacheEntryOptions
            {
                AbsoluteExpirationRelativeToNow = TimeSpan.FromMinutes(30)
            });

        _l1Cache.Set(l1Key, dto, TimeSpan.FromSeconds(30));

        return dto;
    }
}

L1缓存的30秒TTL确保热点数据在应用服务器本地即可命中，延迟<1ms。当某SKU被大量查询时（如促销活动期间），压力被第一层拦截，Redis的QPS降低约90%。数据库仅在缓存全部失效时才被访问，这在日均百万次查询的场景下将DB负载从6500 QPS降至不到500 QPS。

二、Redis排行榜与热门商品实时计算

网络推广的核心之一是热门商品推荐。利用Redis的Sorted Set实现商品浏览量的实时排行榜：

// 热门商品排行榜服务
public class TrendingProductsService
{
    private readonly IDatabase _redis;
    private const string TrendingKey = "trending:products:daily";

    public async Task RecordViewAsync(string sku)
    {
        // 使用Sorted Set记录浏览量，分值自动递增
        await _redis.SortedSetIncrementAsync(TrendingKey, sku, 1);

        // 设置当天排行榜的过期时间（次日凌晨清零）
        var tomorrow = DateTime.Today.AddDays(1);
        var ttl = tomorrow - DateTime.Now;
        await _redis.KeyExpireAsync(TrendingKey, ttl);
    }

    public async Task<List<TrendingProduct>> GetTopTrendingAsync(int topN = 20)
    {
        var entries = await _redis.SortedSetRangeByRankWithScoresAsync(
            TrendingKey, 0, topN - 1, Order.Descending);

        var skus = entries.Select(e => e.Element.ToString()).ToList();
        var products = await _productService.GetBatchAsync(skus);

        return entries.Select((e, i) => new TrendingProduct
        {
            Rank = i + 1,
            Sku = e.Element.ToString(),
            Views = (long)e.Score,
            ProductInfo = products.FirstOrDefault(p => p.Sku == e.Element.ToString())
        }).ToList();
    }
}

Sorted Set的ZINCRBY操作复杂度为O(log N)，在百万级数据集下依然保持微秒级响应。浏览记录通过RabbitMQ消息队列异步消费写入Redis，避免在高并发场景下阻塞HTTP主线程。

三、RabbitMQ用户行为数据采集与分析

推广数据的采集需要处理高频事件流——用户搜索、点击、询盘、下载规格书等行为以每秒数千条的速率产生。RabbitMQ的Topic Exchange模式按行为类型路由事件到不同的分析队列：

// 用户行为事件发布
[HttpPost("api/tracking/event")]
public async Task<IActionResult> TrackEvent([FromBody] UserEvent evt)
{
    // 快速将事件写入RabbitMQ，HTTP立即返回200
    var body = JsonSerializer.SerializeToUtf8Bytes(evt);
    var properties = _channel.CreateBasicProperties();
    properties.Persistent = true;
    properties.MessageId = Guid.NewGuid().ToString();

    await _channel.BasicPublishAsync(
        exchange: "user-events",
        routingKey: $"event.{evt.EventType}",
        mandatory: true,
        basicProperties: properties,
        body: body
    );

    return Ok(new { received = true, eventId = properties.MessageId });
}

// 消费者：搜索引擎的事件聚合
public class SearchEventConsumer : AsyncDefaultBasicConsumer
{
    protected override async Task HandleDeliveryAsync(
        string consumerTag, ulong deliveryTag, 
        bool redelivered, string exchange,
        string routingKey, IBasicProperties properties,
        ReadOnlyMemory<byte> body)
    {
        var evt = JsonSerializer.Deserialize<UserEvent>(body.Span);

        // 聚合搜索行为：统计搜索关键词频率
        await CacheSearchStatsAsync(evt);

        // 热数据写入Redis供实时展示
        await UpdateRealTimeDashboardAsync(evt);

        _channel.BasicAckAsync(deliveryTag, false);
    }
}

消息队列的Persistent属性确保事件在Broker宕机重启后不丢失。独立队列分别消费搜索事件、点击事件和转化事件，通过消息TTL和死信交换机实现过期事件自动清理，保持系统资源使用率在健康水平。在生产环境中，该架构支撑了日均800万条用户事件的实时采集和分析。

四、SQL Server性能优化与推广效果报表

推广运营团队需要多维度的数据报表——按产品线、按供应商、按时段的转化漏斗分析。针对这类聚合查询，结合SQL Server的列存储索引和物化视图优化性能：

-- 推广转化漏斗物化视图
CREATE VIEW vw_conversion_funnel
WITH SCHEMABINDING AS
SELECT
    p.category_id,
    p.supplier_id,
    CAST(e.event_time AS DATE) AS event_date,
    e.event_type,
    COUNT_BIG(*) AS event_count
FROM dbo.user_events e
INNER JOIN dbo.products p ON e.sku = p.sku
WHERE e.event_type IN ('search_click', 'detail_view', 'inquiry', 'order')
GROUP BY p.category_id, p.supplier_id, CAST(e.event_time AS DATE), e.event_type;

-- 列存储索引（适合OLAP聚合查询）
CREATE CLUSTERED COLUMNSTORE INDEX CCI_conversion_funnel
ON vw_conversion_funnel;

承恒信息科技在为泉州某电子元器件B2B平台实施此方案后，商品详情页的平均加载时间从1.8秒降至180ms，搜索响应速度提升约10倍。推广数据分析报表的生成时间从原来MySQL方案的45秒缩短至SQL Server列存储索引方案的3秒以内，运营团队能够实时监控推广效果并及时调整投放策略。

关于承恒信息科技

承恒信息科技是一家专注于企业数字化服务的技术公司，提供软件开发、小程序开发、公众号开发、网络营销推广及GEO生成式引擎优化、AI优化AIO、网络推广、网站优化SEO等一站式技术解决方案。技术栈涵盖Java、.NET Core、Python、Node.js、React、Vue等主流技术，专注为各行业企业提供高性能、高可用的系统架构设计与开发服务。