一文理解淘宝购物车背后的逻辑淘宝没有加入购物车( 十 ) _云知道

2020年双十一之前，淘宝购物车是没有任何商品筛选功能的。而商品筛选分类，提高发现效率一直是用研报告中， top级别的用户诉求点。
难点分析分页模式：购物车为分页查询，筛选商品可能分布在不同的页面中（例如极端情况下，希望筛选出的商品在购物车分页查询中的最后一页）；合并结算：各个筛选“页面”下的商品勾选操作在切换过程中需要保留，底部动态计算结果需要保留（例如在筛选浮层下筛选出的商品在购物车分页查询中的最后一页，且被用户勾选参与动态计算。关闭浮层回到后商品勾选保留，动态计算结果保留）；用户的操作体验要求，例如底部价格不能出现跳变等；技术方案选型

最终的技术方案最终结合项目具体诉求我们选择客户端筛选的方式，方案时序如下图所示：

客户端筛选的本质，实际上从客户端的角度来看，是根据各个组件的筛选标以及当前筛选页对组件进行显示/隐藏，实现最终的商品筛选。例如当前购物车主要组件如下：

那么对于各个筛选页面来说，各筛选态的结构如下：

结合购物车分页渲染商品列表的场景，使用客户端筛选方案，实现分页场景下勾选态保留的购物车筛选能力，在独立购物车、筛选入口方式、筛选项策略维度均具备扩展性；并支撑大促凑单筛选、预售筛选、多Tab等业务上线；

应用的业务场景淘宝沉淀的客户端筛选方案最终支持多个业务落地，包括跨店满减、预售等浮层筛选，以及NewCart中降价、常购等多Tab模式筛选：

4.1.3.2 交易核心如何引入算法导购链路
这里我们依旧以淘宝惊喜券项目为例，项目背景直接阅读“惊喜券项目”部分。
惊喜券项目伴随业务发展最终沉淀技术架构如下图所示：

项目落地的过程中，主要围绕以下两个挑战与命题进行探索与沉淀：
技术挑战一：大数据量活动商品（百万）情况下，如何完成购物车（交易）核心链路对用户所有购物车商品的筛选；技术挑战二：如何在购物车(交易)核心链路场景，面向用户保障导购营销业务的确定性以及人货匹配的精准度（算法接入）；挑战一：活动商品的筛选
问题定义

业务上氛围的透出面向用户购物车全部商品，以及购物车分页查询的事实意味着商品的筛选只能依靠基础商品id信息，那么大数据量活动商品id的存储和过滤的性能，在购物车核心链路便成为第一项技术挑战；
解决方案描述

如上图所示，三个业务阶段的发展，对应三种不断优化的核心链路商品筛选方式，从diamond、到内存布隆过滤到最终选择的tairBloom方案，他具备以下优势：
1）使用RDB存储规模级活动商品信息，打破购物车内存限制对参与活动商品量级的要求；
2）由定时推送大文件数据到购物车机器，改为对远程RDB存储信息进行实时维护，降低对购物车应用自身稳定性风险的同时进一步提高业务的确定性；