如何通过多级缓存策略（Caffeine+Redis）、数据库索引优化和连接池调优，将扫码查询响应时间从200ms优化至50ms以内。
消费者扫码查询真伪的体验直接影响品牌形象。扫码响应延迟每增加100ms，消费者放弃扫码的概率提升约7%。本文记录了我们如何将扫码查询响应时间从200ms优化至50ms的完整过程。
瓶颈分析是优化的第一步。通过Arthas全链路追踪发现：数据库查询耗时120ms（占总时间60%）、网络传输30ms、序列化/反序列化15ms、业务逻辑35ms。数据库查询是最大瓶颈，优化策略是多级缓存。
缓存架构采用Caffeine（本地缓存）+ Redis（分布式缓存）两级方案。Caffeine设置5分钟过期、最大10000条，命中率达85%以上；Redis缓存码数据对应的产品信息和防伪状态，过期时间30分钟。缓存穿透防护采用布隆过滤器（Bloom Filter），预加载所有有效码哈希值，拦截无效查询。
数据库优化方面，为码表添加了覆盖索引，确保扫码查询只需一次索引查找即可获取所需全部字段。连接池使用HikariCP，经过压测调优将maximumPoolSize设置为CPU核数*2+1。最终P50响应时间从200ms降至42ms，P99从500ms降至98ms，系统吞吐量提升至原来的3倍。
