本文探讨在共享主机环境下，通过 localstorage 或 indexeddb 缓存题目与用户答案以降低数据库压力的实践方案，并对比推荐更健壮的客户端存储策略及服务端缓存补充手段。
本文探讨在共享主机环境下，通过 localstorage 或 indexeddb 缓存题目与用户答案以降低数据库压力的实践方案，并对比推荐更健壮的客户端存储策略及服务端缓存补充手段。
在构建面向高并发用户的在线测验应用（如支持 2000 名用户同时在线答题）时，将题目数据与用户作答暂存于客户端，待整套试卷完成后再统一提交，确实是一种行之有效的轻量级优化手段——尤其适用于资源受限的共享主机环境。该策略能显著减少高频、小粒度的 AJAX 请求（例如每答一题就保存一次），从而缓解后端数据库写入压力、降低服务器 I/O 开销，并提升整体响应速度。
不过，localStorage 并非万能解法。它有明显局限：
- 容量限制约 5–10 MB（因浏览器而异），且仅支持字符串键值对；
- 同步阻塞 API，大数据量读写易造成 UI 卡顿；
- 无事务、无索引、无查询能力，难以高效管理结构化题库（如含图片 URL、选项逻辑、题型元数据等）；
- 若用户中途关闭页面或刷新，未手动
save的答案可能丢失（除非配合beforeunload事件强保障）。
✅ 更推荐使用 IndexedDB：
作为浏览器原生支持的低层级 NoSQL 数据库，IndexedDB 具备事务支持、异步操作、二进制数据（如 Blob）存储能力，以及基于索引的快速检索能力，特别适合存储结构化测验数据。以下是一个简化示例，用于保存并批量提交用户作答：
// 初始化数据库（仅需执行一次）
function initDB() {
return new Promise((resolve, reject) => {
const req = indexedDB.open('QuizDB', 1);
req.onupgradeneeded = (e) => {
const db = e.target.result;
if (!db.objectStoreNames.contains('answers')) {
db.createObjectStore('answers', { keyPath: 'questionId' });
}
};
req.onsuccess = () => resolve(req.result);
req.onerror = () => reject(req.error);
});
}
// 保存单题答案（异步、非阻塞）
async function saveAnswer(answerObj) {
const db = await initDB();
const tx = db.transaction('answers', 'readwrite');
const store = tx.objectStore('answers');
await store.put(answerObj);
}
// 提交全部答案并清空本地存储
async function submitAllAnswers() {
const db = await initDB();
const tx = db.transaction('answers', 'readonly');
const store = tx.objectStore('answers');
const allAnswers = await store.getAll();
// 调用后端接口批量提交（推荐 POST /api/quiz/submit）
const res = await fetch('/api/quiz/submit', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify({ answers: allAnswers })
});
if (res.ok) {
// 清空本地答案（成功后）
const clearTx = db.transaction('answers', 'readwrite');
await clearTx.objectStore('answers').clear();
}
return res;
}⚠️ 注意事项：
- 始终为关键操作（如
submitAllAnswers）添加错误重试与离线队列机制，避免网络失败导致数据丢失； - 在
beforeunload中触发saveAnswer()确保意外退出前数据落盘； - 对敏感信息（如用户身份标识）避免明文存于前端，建议服务端签发短期有效 Token 并关联 session；
- 服务端协同优化不可忽视：即使客户端做了缓存，仍建议在服务器层引入 Redis 缓存题库（如 TTL=1 小时），避免每次请求都查 MySQL，这对共享主机尤为关键——可降低 70%+ 的重复查询压力。
综上，在 2000 并发场景下，“IndexedDB + 批量提交 + Redis 缓存”组合是兼顾可行性、扩展性与稳定性的务实选择。相比纯 localStorage 方案，它更具工程鲁棒性；相比全量服务端实时保存，它大幅减轻了共享主机的瞬时负载瓶颈。真正的性能优化，从来不是单点取舍，而是客户端持久化与服务端缓存的协同设计。
