虽然招财进宝失败了，但这个项目中对手艺的探索加倍深入，这里面用到了用户行为追踪、Ajax 等。其中有一个手艺的细节很是经典，淘宝商品详情页面每天的流量在 10 亿以上，里面的内容都是放在缓存里的，做招财进宝的时候，我们要给卖家显示他的商品被阅读的次数(见下图)，这个数字必须实时更新，而用缓存的话一般都是异步更新的。于是商品内外面增加了这样一个字段，每增加一个 PV 这个字段就要更新一次。发布上去一个小时数据库就挂失落了，撑不住这么高的 update。数据库撑不住怎么办?一般的缓存策略是不支持实时更新的，这时候多隆年夜神想了个别例，在 apache 上面写了一个模块，这个数字底子不颠末下层的 web 容器(只颠末 apache)就写入一个集中式的缓存区了，这个缓存区的数据再异步更新到数据库。这就是我前面提到的，我们整个商品详情的页面都在缓存中了，把缓存用到了极致。

(这个图真不是告白，亲)

那么接下来，我们就说说缓存的手艺吧。

淘宝在很早就起头使用缓存的手艺了，在 2004 年的时候，我们使用一个叫做 ESI(Edge SideIncludes)的缓存。在决定采取 ESI 之前，多隆试用了很多 java 的 cache，但都比较重，后来用了 oracle webcache，也常常挂失落，oracle webcache 也支持 ESI，多隆由此发现了 ESI 这个好东东。ESI 是一种数据缓冲/缓存办事器，它提供将 Web 网页的部分(这里指页面的片段)进行缓冲/缓存的手艺及办事。由 Oracle 公司和 AkamaiTechnologies 公司制定规格，Akamai 公司提供对应的信息传送的办事。以往的数据缓冲办事器和信息传送办事以“页”为单位制作，复制到数据缓冲办事器中，措置静态页面很有效。但在面对动态内容的时候，就很难取得高效率。在 ESI 中是部分的缓冲网页，使用基于 XML 的标识表记标帜语言，指定想要缓冲的页面部分。由此，页面内分为动态地变动的部分和静态的不变动的部分，只将静态的部分有效地发送到办事器中。淘宝网的数据虽然年夜部分都是动态产生的，但页面中的静态片段也有很多，例如页面的头、尾，商品详情页面的卖家信息等(如下图右侧)，这些最早都是从 ESI 缓存中读取的。

ESI 解决了页面端静态片段的缓存，智慧的读者可能马上就想到了，在后真个那些数据能不克不及使用缓存?显然也是可以的，并且是必须的。例如一个年夜卖家的商品和店铺，一天的阅读量多是几百万，一个小卖家的可能只有几个，那这个年夜卖家的用户信息要是每次都去数据库里面取，显然不划算，要是把这个信息放在内存里面，每次都从内存里取，性能要好很多。这种应用场景，就是 memcached 这种 Key-Velue 缓存的用武之地。只惋惜在淘宝急需要 memcached 的时候，它还没有崭露头角(它 2003.6 呈现的，但近几年才火爆起来，那时没发现它)。我们的架构师多隆年夜神再一次出手了，他写了一个缓存系统，叫 TBstore，这是一个散布式的基于 BerkeleyDB 的 cache 系统，推出之后在 Alibaba 团体内部使用很是普遍，特别是对淘宝，tbstore 上应用了 ESI(就是上面说过的那个 ESI)、checkcode(验证码)、description(前文说过的商品详情)、story(心情故事，商品信息里面的一个年夜字段，长度仅次于商品详情)、用户信息等等内容。

TBstore 的散布式算法实现：按照保存的 key，对 key 进行 hash 算法，取得 hash 值，再对 hash 值与总 Cache 办事器数据取模。然后按照取模后的值，找到办事器列表中下标为此值 Cache 办事器。由 javaclient api 封装实现，应用无需关心;这点和 memecached 的实现方案完全一致。

TBstore 有一个优点，这也是它的弱点，它的存储是基于 Berkeley DB 的，而 BerkeleyDB 在数据量逾越内存的时候，就要往磁盘上写数据了，所以说它是可以做持久化存储的。可是一旦往磁盘写数据，作为缓存的性能就年夜幅度下降。

这时又有一个项目，推动了淘宝在缓存方面的手艺提升。在 2007 年，我们把淘宝的用户信息自力出来，形成一个中心系统 UIC(userinformationcenter)，因为淘宝所有的功能都要依赖于用户信息，所以这个模块必须伶仃拿出来，不然以后系统无法扩大了。把 UIC 拿出来以后，应用系统拜候 UIC，UIC 拜候数据库取得用户信息，粗粗算一下，每天要取几十亿的用户信息，直接查询数据库的话，显然数据库要解体的，这里必须要用缓存。于是多隆为 UIC 专门写了一个缓存系统，取名叫做 tdbm。tdbm 抛弃了 BerkeleyDB 的持久功能，数据全部存放在内存中。到 2009 年，多隆又参考了 memcached 的内存布局，改进了 tdbm 的集群散布体例，在内存操纵率和吞吐量方面又做了年夜幅提升，推出了 tdbm2.0 系统。