第三方库存数据一致性解决

1、面临的问题

1.1 第三方可用性差

1.2 网络的不确定性

1.3 第三方支持度低

 

2、解决方案

2.1 从无到有，数据全量拉取

应用前提:全量数据量少，网络效率高，拉取时间效率可控

应用案例：直连平台每n分钟主动拉取供应商下的全部酒店下全部房型信息以及60天内的价格，库存，售卖取消规则等信息。

问题:

网络不可控，会有中断情况。

数据不一致会最大会持续n分钟。

定时任务在n分钟内完不成

2.2 分而治之，结合实际分析拉取部分数据

应用前提:业务分析，数据可分段处理

案例分析:根据酒店的预订特点，调研了美团用户的消费习惯：95%以上的用户都在预订10天内的酒店产品。

解决方案:固定时间点 1点，6点，11点全量拉取数据。每n分钟拉取10天内数据。

问题:还是存在数据不一致情况，且10天内数据不一致情况在n分钟。其他时间的数据在5小时

2.3 精益求精

应用前提：对系统业务有深入了解，有一定的预测规划

解决方案:提前为用户准备热点数据

1、被动式用户触发

基于用户浏览行为触发更新(每一分钟更新一次)

基于用户下单行为触发更新(每一分钟更新一次)

2、库存预测(二八原则 20%库存解决80%用户的需求)

基于协同过滤预测库存热点数据

基于神经网络预测库存热点数据

方案问题:

增加了系统的复杂度。

2.4 合作共赢，数据变化主动推送

应用前提：开发接口具备便利性和标准化

方案优点：数据精确度提升，减少系统复杂度，降低第三方业务访问次数

方案缺点：需要提供接入的标准API，同时沟通成本较高。
解决方案：第三方在改变数据时，推送变化数据。

 

总结：

1、全量，增量拉取

2、触发式拉取(用户触发和系统主动触发)

3、变化主动推送