1、面臨的問題

1.1 第三方可用性差

1.2 網路的不確定性

1.3 第三方支援度低

2、解決方案

2.1 從無到有，資料全量拉取

應用前提:全量資料量少，網路效率高，拉取時間效率可控

應用案例：直連平臺每n分鐘主動拉取供應商下的全部酒店下全部房型資訊以及60天內的價格，庫存，售賣取消規則等資訊。

問題:

網路不可控，會有中斷情況。

資料不一致會最大會持續n分鐘。

定時任務在n分鐘內完不成

2.2 分而治之，結合實際分析拉取部分資料

應用前提:業務分析，資料可分段處理

案例分析:根據酒店的預訂特點，調研了美團使用者的消費習慣：95%以上的使用者都在預訂10天內的酒店產品。

解決方案:固定時間點 1點，6點，11點全量拉取資料。每n分鐘拉取10天內資料。

問題:還是存在資料不一致情況，且10天內資料不一致情況在n分鐘。其他時間的資料在5小時

2.3 精益求精

應用前提：對系統業務有深入瞭解，有一定的預測規劃

解決方案:提前為使用者準備熱點資料

1、被動式使用者觸發

基於使用者瀏覽行為觸發更新(每一分鐘更新一次)

基於使用者下單行為觸發更新(每一分鐘更新一次)

2、庫存預測(二八原則 20%庫存解決80%使用者的需求)

基於協同過濾預測庫存熱點資料

基於神經網路預測庫存熱點資料

方案問題:

增加了系統的複雜度。

2.4 合作共贏，資料變化主動推送

應用前提：開發介面具備便利性和標準化

方案優點：資料精確度提升，減少系統複雜度，降低第三方業務訪問次數

方案缺點：需要提供接入的標準API，同時溝通成本較高。 解決方案：第三方在改變資料時，推送變化資料。

總結：

1、全量，增量拉取

2、觸發式拉取(使用者觸發和系統主動觸發)

3、變化主動推送