SPU：Standard Product Unit （标准产品单位），一组具有共同属性的商品集

SKU：Stock Keeping Unit（库存量单位），SPU商品集，因具体特征不同而细分的每个商品
image.png
本业的华为就是一个商品集（SPU）
因为颜色·内存等不同，而细分出不同的MAte10，如亮黑色128G版（SKU）

可以看出：

SPU是一个抽象的商品集概念，为了方便后台的管理

SKU才是具体要销售的商品，每一个SKU的价格·库存都可能会不一样，用户购买的是SKU而不是SPU

2）SPU与SKU表结构分析

弄清楚了SPU和SKU的概念区分， 如何设计表结构
SPU表结构

  1. id:主键
  2. title：标题
  3. description：描述
  4. specifiction：规格
  5. packaging_list： 包装
  6. after_service：售后服务
  7. comment：评价
  8. categroy_id：商品分类
  9. brind_id： 品牌

SKU表结构

  1. id：主键
  2. spu_id：关联的spu
  3. price：价格
  4. images：图片
  5. stock：库存
  6. 颜色？
  7. 内存？
  8. 硬盘？

sku的特有属性也是变化的，不同山沟，特有属性不一定相同，那么我们的表字段岂不是不确定
sku的这个特有属性该如何设计呢

2）SKU的特有属性

SPU中会有一些特殊属性，用来区分不同的SKU，我们成为SKU特有属性，用来区分不同的SKU，我们成为SKU特有属性。如华为MATE10的颜色、内存属性

不同种类的山沟，一个手机，一个衣服，其SKU属性不相同

同一种类的山沟，比如都是一副，SKU属性基本是一样的，都是颜色，尺码等

这样说起来，似乎SKU的特有属性也是与分类相关的？

SKU的也有属性是山沟规格参数的一部分
image.png
也就是说，我们没必要单独对SKU的特有属性进行设计，他可以看作是规格参数中的一部分。这样规格参数中的属性可以标记成两部分
spu下所有sku共享的规格属性（称为通用属性）
spu下每个sku不同的规格属性（称为特有属性）

03、SPU与SKU：spu与spu_detail表结构分析

1）数据库表切分说明

横向切分【水平拆分】
1.数据量太大了（2000万左右）
2.历史数据使用的几率很低

纵向切分【垂直拆分】
1.表字段太多了【50个左右】
2.表中有一些大字段，比如：blob，clob，增删改查的效率低【long】，需要将这些大字段单独分离出去