# 数据存储与缓存策略

## 1. 缓存服务 (Redis + MySQL)

### 代码位置
- **文件**：`backend/src/services/cacheService.ts`
- **核心方法**：
  - `set(key, value, options)`: 写入Redis缓存
  - `saveToMySQL(symbol, type, data)`: 写入MySQL数据库

### 写入场景
1. **数据首次获取**：
   - 当从数据源获取新数据时，会同时写入Redis和MySQL
   - 代码路径：`cacheService.get()` → 数据源获取 → `set()` + `saveToMySQL()`

2. **MySQL数据同步到Redis**：
   - 当从MySQL获取数据时，会将数据同步到Redis
   - 代码路径：`cacheService.get()` → MySQL获取 → `set()`

## 2. 市场服务 (使用缓存服务)

### 代码位置
- **文件**：`backend/src/services/marketService.ts`

### 写入场景
1. **市场概览数据**：
   - 方法：`fetchMarketOverview()`
   - 缓存键：`market:overview`
   - 过期时间：5分钟

2. **品种详情数据**：
   - 方法：`fetchMarketDetail(symbol)`
   - 缓存键：`market:detail:{symbol}`
   - 过期时间：5分钟

3. **K线数据**：
   - 方法：`fetchKlineData(symbol, period)`
   - 缓存键：`market:kline:{symbol}:{period}`
   - 过期时间：10分钟

4. **市场热点数据**：
   - 方法：`fetchMarketHotspots()`
   - 缓存键：`market:hotspots`
   - 过期时间：5分钟

## 3. Python服务数据存储 (SQLite)

### 代码位置
- **文件**：`backend/service_implementation/qihuo_analyzer/data/data_storage.py`

### 写入场景
1. **分析结果**：
   - 方法：`save_analysis_result(result)`
   - 表：`analysis_results`
   - 场景：当AI分析完成后保存分析结果

2. **K线数据**：
   - 方法：`save_kline_data(symbol, duration, df)`
   - 表：`kline_data`
   - 场景：当获取K线数据后保存到数据库

3. **交易建议**：
   - 方法：`save_trade_recommendation(recommendation)`
   - 表：`trade_recommendations`
   - 场景：当生成交易建议后保存

4. **风险监控数据**：
   - 方法：`save_risk_monitoring(monitoring_data)`
   - 表：`risk_monitoring`
   - 场景：当监控交易风险时保存

## 4. Flask API服务 (调用Python存储)

### 代码位置
- **文件**：`backend/service_implementation/service/app.py`

### 写入场景
1. **K线数据**：
   - 路径：`/api/kline`
   - 代码：当数据库中没有K线数据时，从数据源获取并保存
   - 调用：`data_storage.save_kline_data()`

2. **分析结果**：
   - 路径：`/api/analyze`
   - 代码：当AI分析完成后保存分析结果
   - 调用：`data_storage.save_analysis_result()`

3. **风险监控数据**：
   - 路径：`/api/risk`
   - 代码：当监控交易风险时保存
   - 调用：`data_storage.save_risk_monitoring()`

## 5. 数据流动路径

### 前端 → 后端 API → 缓存服务 → 数据源
1. 前端请求数据
2. 后端API调用市场服务
3. 市场服务调用缓存服务
4. 缓存服务按优先级获取数据：
   - Redis → MySQL → 数据源
5. 如果从数据源获取数据，同步写入MySQL和Redis

### Python服务内部
1. Flask API接收请求
2. 调用数据获取器获取数据
3. 将数据保存到SQLite数据库
4. 返回数据给前端

## 6. 缓存策略

- **Redis**：短期缓存，用于高频访问数据
  - 市场概览：5分钟
  - 品种详情：5分钟
  - K线数据：10分钟
  - 市场热点：5分钟

- **MySQL**：持久化存储，用于长期数据
  - 存储所有从数据源获取的数据

- **SQLite**：Python服务本地存储
  - 存储分析结果、K线数据、交易建议、风险监控数据

这种多层缓存策略确保了数据的快速访问和持久化存储，同时减少了对外部数据源的请求频率。