1000万日订单查询优化：冷热分离与分层缓存全攻略

面对每日 10,000,000 条订单查询，本文提供系统化的优化方案，涵盖缓存策略、数据库分库分表、历史归档、查询路由与降级策略、容量规划及生产级运维实践，同时提供 Java 完整示例代码，便于落地实现。

架构总览

一、应用层缓存策略（抗高并发）

多级缓存

• L1 本地缓存（Caffeine/Guava）：极热数据，如用户最近 3-5 个订单，零网络延迟。
• L2 分布式缓存（Redis Cluster）：缓存最近 3 个月订单和热点查询，保证高 QPS 下低延迟。

缓存设计技巧

• Key 示例：order:{order_id}，user_orders:{user_id}:{date}，shop_orders:{shop_id}:{status}
• Value：使用 Hash 或 JSON 序列化对象
• TTL：热数据 1h-7d，局部热点可永不过期，后台刷新。

缓存问题与解决方案

• 穿透：布隆过滤器 + 空对象缓存
• 击穿：互斥锁或后台刷新