商品数据模型设计：从属性到结构的精细化建模

商品数据模型是电商系统的核心基石，其设计需兼顾业务复杂性与技术扩展性。以标准电商商品为例，核心属性可分为基础信息（名称、品牌、规格）、销售属性（颜色、尺寸）、价格信息（原价、促销价、会员价）、库存信息（总库存、区域库存）、媒体信息（主图、详情图、视频）及扩展属性（保质期、材质、适用人群）。

属性分组与动态扩展

为应对不同品类商品的差异化需求（如服装需尺码，家电需功率），需采用“属性组+属性值”的动态模型。例如：

{
  "category_id": 101,
  "attribute_groups": [
    {
      "group_name": "基础信息",
      "attributes": [
        {"key": "brand", "value": "Apple", "type": "string"},
        {"key": "model", "value": "iPhone 15", "type": "string"}
      ]
    },
    {
      "group_name": "销售属性",
      "attributes": [
        {"key": "color", "value": "黑色", "type": "enum", "options": ["黑色","白色"]},
        {"key": "storage", "value": "256GB", "type": "enum", "options": ["128GB","256GB","512GB"]}
      ]
    }
  ]
}

此设计通过category_id关联品类模板，实现属性组的动态加载，避免硬编码导致的维护成本。

多级分类与标签体系

商品分类需支持多级结构（如一级分类“手机”，二级分类“苹果手机”），同时结合标签体系（如“旗舰机型”、“5G手机”）提升搜索与推荐效率。分类与标签的关联可通过中间表实现：

CREATE TABLE category (
  id INT PRIMARY KEY,
  name VARCHAR(50),
  parent_id INT,
  level TINYINT
);
CREATE TABLE tag (
  id INT PRIMARY KEY,
  name VARCHAR(50)
);
CREATE TABLE product_tag (
  product_id INT,
  tag_id INT,
  PRIMARY KEY (product_id, tag_id)
);

实际业务中，分类需支持“路径枚举”（如“1,101,10101”）以快速定位层级，标签需支持权重设置（如核心标签权重更高）。

库存管理：从实时同步到预售逻辑

库存是电商系统的敏感数据，其设计需平衡实时性与一致性。核心场景包括：

库存模型设计

采用“总库存+区域库存+渠道库存”的三级模型：

• 总库存：商品全局可用量
• 区域库存：按仓库/城市划分的可用量（如北京仓100件，上海仓50件）
• 渠道库存：按销售渠道划分的可用量（如天猫旗舰店、自有APP）

库存操作需通过事务保证原子性：

@Transactional
public boolean deductStock(Long productId, Long skuId, int quantity) {
    // 1. 锁定库存记录
    StockLock lock = stockLockRepository.findBySkuIdAndUnlocked(skuId);
    if (lock == null) {
        lock = new StockLock(skuId, quantity);
        stockLockRepository.save(lock);
    } else {
        lock.addQuantity(quantity);
    }
    // 2. 扣减实际库存
    Stock stock = stockRepository.findBySkuId(skuId);
    if (stock.getAvailable() < quantity) {
        throw new StockInsufficientException();
    }
    stock.setAvailable(stock.getAvailable() - quantity);
    stockRepository.save(stock);
    // 3. 释放锁或完成操作
    stockLockRepository.delete(lock);
    return true;
}

预售与超卖控制

预售场景需支持“定金+尾款”模式，库存需区分“预售库存”与“现货库存”。超卖控制可通过：

• 数据库乐观锁：UPDATE stock SET available = available - 1 WHERE id = ? AND available >= 1
• 分布式锁：Redis的SETNX命令实现跨服务锁
• 队列削峰：将库存扣减请求放入消息队列，按顺序处理

价格策略：从简单定价到动态促销

价格系统需支持多级价格（原价、会员价、促销价）、时间维度价格（限时折扣）、用户维度价格（新客专享）及组合促销（满减、赠品）。

价格计算引擎

设计价格计算服务时，需定义“价格规则链”，按优先级执行：

1. 用户等级价格（如钻石会员9折）
2. 促销活动价格（如双11满300减50）
3. 渠道专属价格（如拼多多专供价）
4. 基础销售价格

代码示例：

public BigDecimal calculatePrice(PriceContext context) {
    List<PriceRule> rules = priceRuleRepository.findByProductIdAndContext(context);
    rules.sort(Comparator.comparingInt(PriceRule::getPriority).reversed());
    for (PriceRule rule : rules) {
        if (rule.match(context)) {
            return rule.apply(context.getBasePrice());
        }
    }
    return context.getBasePrice();
}

促销活动设计

促销活动需支持多种类型：

• 满减：ORDER_AMOUNT >= 100 THEN REDUCE 20
• 折扣：PRODUCT_CATEGORY = '服装' THEN 0.8*PRICE
• 赠品：BUY_PRODUCT_ID = 1001 THEN GIFT_PRODUCT_ID = 2001

活动规则需存储为可配置的JSON或SQL片段，通过解释器模式动态执行。

商品搜索与推荐：从文本匹配到AI赋能

商品搜索需解决“找得到”与“找得准”的问题，推荐系统需实现“千人千面”。

搜索优化技术

• 分词与同义词：使用IKAnalyzer等分词器，配置同义词库（如“手机”=“移动电话”）
• 权重调整：标题权重>标签权重>详情权重
• 拼写纠正：基于编辑距离实现“ipone”→“iphone”的纠正

Elasticsearch示例查询：

{
  "query": {
    "bool": {
      "must": [
        {"match": {"title": {"query": "手机", "boost": 3}}},
        {"match": {"tags": {"query": "5G", "boost": 2}}}
      ],
      "should": [
        {"match": {"description": "旗舰"}}
      ]
    }
  }
}

推荐系统架构

推荐系统可分为三层：

1. 召回层：基于用户行为（浏览、购买）的协同过滤
2. 排序层：结合商品热度、用户偏好、商业目标的LR/DNN模型
3. 重排层：加入业务规则（如新品优先、库存充足优先）

API设计：从RESTful到GraphQL

商品模块需对外提供稳定的API接口，设计时需考虑：

RESTful接口规范

• 资源命名：/products/{id}（商品详情）、/products?category=101（商品列表）
• 版本控制：/api/v1/products
• 分页参数：page=1&size=20
• 字段过滤：?fields=id,name,price

GraphQL的灵活性

对于复杂前端需求（如商品详情页需同时展示评论、规格、促销信息），GraphQL可减少多次请求：

query ProductDetail($id: ID!) {
  product(id: $id) {
    id
    name
    price {
      original
      current
      promotions {
        type
        discount
      }
    }
    specs {
      key
      value
    }
    comments(first: 5) {
      content
      rating
    }
  }
}

总结与建议

电商系统商品模块的设计需遵循“高内聚、低耦合”原则，将商品数据、库存、价格、搜索等子模块解耦。实际开发中，建议：

1. 优先实现核心流程（商品发布、库存扣减、价格计算）
2. 通过配置化支持业务变化（如属性模板、促销规则）
3. 引入缓存（Redis）提升热点商品访问速度
4. 建立完善的监控体系（库存预警、价格异常检测）

通过精细化设计与持续优化，商品模块可支撑百万级SKU、日均千万级流量的电商业务需求。