阿语python美多商城-商品-购物车之第7.1节购物车存储方案

最新推荐文章于 2024-09-14 19:55:29 发布

zz77244920

最新推荐文章于 2024-09-14 19:55:29 发布

阅读量179

点赞数

文章标签：数据库字符串 python java redis

本文链接：https://blog.csdn.net/zz77244920/article/details/116957195

版权

购物车存储方案

用户登录与未登录状态下，都可以保存购物车数据。
用户对购物车数据的操作包括：增、删、改、查、全选等等
每个用户的购物车数据都要做唯一性的标识。

1. 登录用户购物车存储方案

1.存储数据说明

如何描述一条完整的购物车记录？
- 用户itcast，选择了两个 iPhone8 添加到了购物车中，状态为勾选
一条完整的购物车记录包括：用户、商品、数量、勾选状态。
存储数据：user_id、sku_id、count、selected

2.存储位置说明

购物车数据量小，结构简单，更新频繁，所以我们选择内存型数据库Redis进行存储。
存储位置：Redis数据库 4号库

"carts": {
    "BACKEND": "django_redis.cache.RedisCache",
    "LOCATION": "redis://127.0.0.1:6379/4",
    "OPTIONS": {
        "CLIENT_CLASS": "django_redis.client.DefaultClient",
    }
},

3.存储类型说明

提示：我们很难将用户、商品、数量、勾选状态存放到一条Redis记录中。所以我们要把购物车数据合理的分开存储。
用户、商品、数量：hash
- carts_user_id: {sku_id1: count, sku_id3: count, sku_id5: count, ...}
勾选状态：set
- 只将已勾选商品的sku_id存储到set中，比如，1号和3号商品是被勾选的。
- selected_user_id: [sku_id1, sku_id3, ...]

4.存储逻辑说明

当要添加到购物车的商品已存在时，对商品数量进行累加计算。
当要添加到购物车的商品不存在时，向hash中新增field和value即可。

2. 未登录用户购物车存储方案

1.存储数据说明

存储数据：user_id、sku_id、count、selected

2.存储位置说明

由于用户未登录，服务端无法拿到用户的ID，所以服务端在生成购物车记录时很难唯一标识该记录。
我们可以将未登录用户的购物车数据缓存到用户浏览器的cookie中，每个用户自己浏览器的cookie中存储属于自己的购物车数据。
存储位置：用户浏览器的cookie

3.存储类型说明

提示：浏览器的cookie中存储的数据类型是字符串。
思考：如何在字符串中描述一条购物车记录？
结论：JSON字符串可以描述复杂结构的字符串数据，可以保证一条购物车记录不用分开存储。

{
    "sku_id1":{
        "count":"1",
        "selected":"True"
    },
    "sku_id3":{
        "count":"3",
        "selected":"True"
    },
    "sku_id5":{
        "count":"3",
        "selected":"False"
    }
}

4.存储逻辑说明

当要添加到购物车的商品已存在时，对商品数量进行累加计算。
当要添加到购物车的商品不存在时，向JSON中新增field和value即可。

提示：

浏览器cookie中存储的是字符串明文数据。
- 我们需要对购物车这类隐私数据进行密文存储。
解决方案：pickle模块 和 base64模块

5.pickle模块介绍

pickle模块是Python的标准模块，提供了对Python数据的序列化操作，可以将数据转换为bytes类型，且序列化速度快。
pickle模块使用：
- pickle.dumps()将Python数据序列化为bytes类型数据。
- pickle.loads()将bytes类型数据反序列化为python数据。

>>> import pickle

>>> dict = {'1': {'count': 10, 'selected': True}, '2': {'count': 20, 'selected': False}}
>>> ret = pickle.dumps(dict)
>>> ret
b'\x80\x03}q\x00(X\x01\x00\x00\x001q\x01}q\x02(X\x05\x00\x00\x00countq\x03K\nX\x08\x00\x00\x00selectedq\x04\x88uX\x01\x00\x00\x002q\x05}q\x06(h\x03K\x14h\x04\x89uu.'
>>> pickle.loads(ret)
{'1': {'count': 10, 'selected': True}, '2': {'count': 20, 'selected': False}}

6.base64模块介绍

提示：pickle模块序列化转换后的数据是bytes类型，浏览器cookie无法存储。
base64模块是Python的标准模块，可以对bytes类型数据进行编码，并得到bytes类型的密文数据。
base64模块使用：
- base64.b64encode()将bytes类型数据进行base64编码，返回编码后的bytes类型数据。
- base64.b64deocde()将base64编码后的bytes类型数据进行解码，返回解码后的bytes类型数据。

>>> import base64
>>> ret
b'\x80\x03}q\x00(X\x01\x00\x00\x001q\x01}q\x02(X\x05\x00\x00\x00countq\x03K\nX\x08\x00\x00\x00selectedq\x04\x88uX\x01\x00\x00\x002q\x05}q\x06(h\x03K\x14h\x04\x89uu.'
>>> b = base64.b64encode(ret)
>>> b
b'gAN9cQAoWAEAAAAxcQF9cQIoWAUAAABjb3VudHEDSwpYCAAAAHNlbGVjdGVkcQSIdVgBAAAAMnEFfXEGKGgDSxRoBIl1dS4='
>>> base64.b64decode(b)
b'\x80\x03}q\x00(X\x01\x00\x00\x001q\x01}q\x02(X\x05\x00\x00\x00countq\x03K\nX\x08\x00\x00\x00selectedq\x04\x88uX\x01\x00\x00\x002q\x05}q\x06(h\x03K\x14h\x04\x89uu.'