过时的代码风格

写在前面

往往开始做一个项目时，不会过多的考虑性能问题，以快速迭代功能为主。后续随着业务的快速发展，系统运行的性能越来越慢，此时，就需要对系统进行相应的优化，而效果最显著的就是给系统加上缓存。那么，问题来了，当你为系统加上缓存时，有没有考虑过使用缓存需要注意哪些事项呢?

缓存命中率

缓存命中率是从缓存中读取数据的次数与总读取次数的比率，命中率越高越好。缓存命中率=从缓存中读取次数 / (总读取次数 (从缓存中读取次数 + 从慢速设备上读取次数))。这是一个非常重要的监控指标，如果做缓存，则应通过监控这个指标来看缓存是否工作良好。

缓存类型

缓存类型总体上来看，可以分为：堆缓存、堆外缓存、磁盘缓存和分布式缓存。
 

这种架构方式看起来也很合理，但笔者在最近做主数据监控和管理过程中，发现了诸多问题，这些问题与主数据有关、与数据质量有关、和业务系统有关 、和业务部门有关、和数据治理组织也有关。

在前文中有一个统计数据，据统计数据质量问题76%来自数据录入错误，53%来自源系统的变化，48%来自数据迁移或项目改建，46%来自用户不同的期望，26%来自系统错误。

在主数据问题分析中，也可以大致分为存量数据问题、业务流程问题、技术问题、网络问题。

网络问题是造成主数据流转出现问题的直接原因，网络抖动和网络问题时有发生，但不是主要问题，也可以通过重发机制，将数据弥补过来。

数量最多的是存量数据问题，这类问题大多数历史遗留原因导致的，系统上线之初，未按照主数据的要求进行数据迁移，A、B、C要确保一致性，只有A表正常迁移了;但需要同步A、B、C表，下游缺乏B、C表内容，所以A表也无法同步下去，据统计存量数据问题约占了80%的数据量。

其次是技术问题，主数据从A系统分发到B系统，但B系统只负责接收，但实际上并未正确入库，或者未正确返回状态，这样也会导致主数据不一致，上游的表结构修改也会导致此类问题发生。

最后是业务流程问题，A系统和B系统按照相关的业务规范实现数据流转，但随着业务的变化，A系统进行了相关修订，但B系统认为此修订与之无关，既然无关，部分数据可用可不用，所以干脆直接放弃好了。

后面的三类问题通过组织各个干系人，包括技术支撑部门、各业务部门、各业务厂家，终归可以得到解决方案，但在实际解决过程中，常常面临着职责不分，沟通协调机制、费用分摊等难题，导致看起来容易解决的问题，实际解决起来遥遥无期。

这就涉及到数据治理组织的问题了。

（编辑：广元站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!