电商数据缓存与可视化平台产品系统Vibe Coding

电商行业每天产生海量订单数据，但原始数据分散、格式混乱、缺乏统一分析，业务方难以快速洞察"哪些品类卖得好、趋势如何"。本项目针对这一痛点，构建一套从数据接入、清洗、分布式存储到可视化分析的完整电商数据平台，帮助运营和决策者快速掌握品类销量结构、发现核心增长品类，为选品和营销策略提供数据支撑。基于天池淘宝母婴真实数据集（29,971条交易记录）验证，输出"奶粉/辅食类目销量占比达37.4%"的核心业务发现。

本项目包含以下功能模块：
1. 数据可视化看板：类目销量占比饼图、月度销量柱状图、日销量折线图、概览卡片，直观展示销量结构与趋势。
2. 订单管理：支持订单的增删改查、分页浏览、按类目筛选、关键词搜索，以及批量导入CSV和批量删除，写入后自动失效缓存，看板实时更新。
3. 缓存加速：基于Redis连接池+Cache-Aside策略，高频查询响应时间降低约60%-70%。
4. 数据管道：ETL清洗（去重、缺失值填充、日期统一、异常值过滤），支持任意CSV字段映射导入。
5. 高可用存储：MongoDB 3节点副本集，主从同步、故障自动切换。
6. 自动化测试：23个冒烟测试覆盖全部API与缓存一致性。

我负责项目的整体架构设计与全部功能开发。
技术栈：Python、Flask、MongoDB 3节点副本集、Redis、pandas、ECharts、Docker Compose。
我负责的具体任务：
1. 搭建MongoDB 3节点副本集（rs0），实现主从同步与故障自动切换，保证高可用。
2. 设计Redis缓存层，采用连接池+Cache-Aside模式，将高频查询结果缓存，响应时间降低约60%-70%。
3. 编写ETL数据管道，完成去重、缺失值填充、日期统一、异常值过滤，并支持任意CSV字段映射导入。
4. 编写MongoDB聚合管道，完成年/季/月/日销量统计及类目排名，输出核心业务发现。
5. 开发Flask RESTful API（分析接口+订单CRUD+批量导入/删除），统一JSON响应格式。
6. 实现缓存一致性：所有写操作后主动失效缓存，保证看板数据实时一致。
7. 使用ECharts开发可视化看板，并编写23个冒烟测试。
实现亮点：缓存一致性设计（Cache-Aside+主动失效）、MongoDB副本集高可用、灵活字段映射导入器。