1. 项目概述：药店数字化管理的SpringBoot实践
作为一名长期从事医药行业信息化建设的开发者，我深刻理解传统药店在数字化转型过程中面临的痛点。药品批次管理混乱、库存盘点效率低下、销售数据分析缺失等问题，一直是制约中小型药店发展的瓶颈。去年我接手了某连锁药房的系统升级项目，基于SpringBoot+Vue技术栈开发了一套完整的药品管理系统，本文将分享其中的核心设计与实现细节。
这个系统最显著的特点是实现了药品从采购到销售的全生命周期数字化管理。通过自动化的库存预警机制，某试点药房的库存周转率提升了37%；而集成的销售数据分析模块，帮助店长优化了20%的货架陈列方案。系统采用B/S架构设计，包含六大核心模块和15张数据表，下文将重点解析三个关键创新点：
- 基于双验证机制的药品批次管理
- 动态库存预警算法实现
- 多维度销售数据分析看板
2. 系统架构设计与技术选型
2.1 整体技术架构解析
系统采用经典的三层架构设计，前端使用Vue.js+ElementUI实现响应式布局，后端基于SpringBoot 2.7整合MyBatis-Plus，数据库选用MySQL 8.0。这种技术组合在开发效率和性能之间取得了良好平衡：
-
前端层：
- Vue 3.0组合式API开发
- Axios处理HTTP请求
- ElementUI组件库加速开发
- ECharts实现数据可视化
-
后端层：
java复制@SpringBootApplication @EnableTransactionManagement @MapperScan("com.pharmacy.mapper") public class PharmacyApplication { public static void main(String[] args) { SpringApplication.run(PharmacyApplication.class, args); } } -
数据层：
- MySQL 8.0（事务隔离级别RR）
- Redis缓存热点数据
- Alibaba Druid连接池
提示：在实际部署时，建议将MySQL的innodb_buffer_pool_size设置为物理内存的70%，我们测试环境中8GB内存的服务器配置为5GB效果最佳。
2.2 数据库设计精要
药品管理系统的数据库设计需要特别关注数据一致性和追溯性。核心表结构设计如下：
2.2.1 药品主表（drug）
sql复制CREATE TABLE `drug` (
`id` bigint NOT NULL AUTO_INCREMENT COMMENT '主键',
`drug_code` varchar(32) NOT NULL COMMENT '药品编码',
`name` varchar(100) NOT NULL COMMENT '通用名称',
`spec` varchar(50) NOT NULL COMMENT '规格',
`batch_no` varchar(50) NOT NULL COMMENT '生产批号',
`producer` varchar(100) NOT NULL COMMENT '生产厂家',
`price` decimal(10,2) NOT NULL COMMENT '售价',
`stock` int NOT NULL DEFAULT '0' COMMENT '当前库存',
`alert_stock` int NOT NULL COMMENT '预警库存',
PRIMARY KEY (`id`),
UNIQUE KEY `idx_drug_code` (`drug_code`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
2.2.2 批次库存表（drug_batch）
sql复制CREATE TABLE `drug_batch` (
`id` bigint NOT NULL AUTO_INCREMENT,
`drug_id` bigint NOT NULL,
`batch_no` varchar(50) NOT NULL,
`product_date` date NOT NULL,
`expire_date` date NOT NULL,
`in_quantity` int NOT NULL,
`out_quantity` int NOT NULL DEFAULT '0',
`remain_quantity` int NOT NULL,
PRIMARY KEY (`id`),
KEY `idx_drug_id` (`drug_id`),
KEY `idx_expire` (`expire_date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
关键设计考量：
- 采用药品主表+批次表的双表设计，既满足日常快速查询需求，又实现精细化的批次管理
- 所有药品操作记录均保留操作人、操作时间等审计字段
- 建立联合索引优化高频查询场景
3. 核心功能模块实现
3.1 药品批次管理实现
药品批次管理是系统的核心难点，我们实现了双重验证机制：
-
入库验证：
java复制@Transactional public void addDrugBatch(DrugBatchDTO dto) { // 验证批号唯一性 if (batchMapper.existsByBatchNo(dto.getBatchNo())) { throw new BusinessException("该批号已存在"); } // 计算剩余效期天数 long remainDays = ChronoUnit.DAYS.between( LocalDate.now(), dto.getExpireDate()); if (remainDays < 30) { throw new BusinessException("效期不足30天的药品禁止入库"); } // 保存批次记录 DrugBatch batch = new DrugBatch(); BeanUtils.copyProperties(dto, batch); batch.setRemainQuantity(dto.getInQuantity()); batchMapper.insert(batch); // 更新总库存 drugMapper.updateStock(dto.getDrugId(), dto.getInQuantity()); } -
出库先进先出策略：
java复制public List<DrugBatch> getAvailableBatches(Long drugId, int needQuantity) { return batchMapper.selectList( new QueryWrapper<DrugBatch>() .eq("drug_id", drugId) .gt("remain_quantity", 0) .orderByAsc("expire_date") .last("LIMIT " + needQuantity) ); }
3.2 动态库存预警算法
传统的固定阈值预警无法适应销售波动，我们开发了基于移动平均的动态预警算法：
java复制public class StockAlertCalculator {
private static final int PERIOD = 7; // 计算周期
public int calculateAlertLevel(Long drugId) {
// 获取最近7天销售数据
List<SaleRecord> records = saleMapper
.selectLastNDaysSales(drugId, PERIOD);
if (records.isEmpty()) {
return 10; // 默认值
}
// 计算日均销量
double avgSales = records.stream()
.mapToInt(SaleRecord::getQuantity)
.average()
.orElse(0);
// 考虑采购周期（假设3天）
return (int) Math.ceil(avgSales * 3 * 1.2); // 增加20%缓冲
}
}
该算法会每天凌晨通过定时任务自动更新预警阈值：
java复制@Scheduled(cron = "0 0 3 * * ?")
public void autoUpdateAlertStock() {
List<Drug> drugs = drugMapper.selectList(null);
drugs.forEach(drug -> {
int newAlert = calculator.calculateAlertLevel(drug.getId());
drug.setAlertStock(newAlert);
drugMapper.updateById(drug);
});
}
4. 典型问题与解决方案
4.1 并发库存扣减问题
在促销活动期间，我们遇到过超卖问题。最终采用Redis分布式锁+数据库乐观锁的双重保障：
java复制public boolean reduceStock(Long drugId, int quantity) {
String lockKey = "stock_lock:" + drugId;
String requestId = UUID.randomUUID().toString();
try {
// 获取分布式锁
boolean locked = redisTemplate.opsForValue()
.setIfAbsent(lockKey, requestId, 10, TimeUnit.SECONDS);
if (!locked) {
return false;
}
// 乐观锁更新
Drug drug = drugMapper.selectById(drugId);
if (drug.getStock() < quantity) {
return false;
}
int updated = drugMapper.updateStockWithVersion(
drugId,
quantity,
drug.getVersion());
return updated > 0;
} finally {
// 释放锁
if (requestId.equals(redisTemplate.opsForValue().get(lockKey))) {
redisTemplate.delete(lockKey);
}
}
}
4.2 药品效期预警实现
通过定时任务每天检查近效期药品：
java复制@Scheduled(cron = "0 0 9 * * ?")
public void checkExpiringDrugs() {
LocalDate warnDate = LocalDate.now().plusDays(30);
List<DrugBatch> batches = batchMapper.selectList(
new QueryWrapper<DrugBatch>()
.le("expire_date", warnDate)
.gt("remain_quantity", 0));
batches.forEach(batch -> {
String message = String.format(
"药品[%s]批号%s将在%s过期，剩余%d盒",
batch.getDrugName(),
batch.getBatchNo(),
batch.getExpireDate(),
batch.getRemainQuantity());
// 发送站内信+邮件通知
noticeService.sendAlert(message);
});
}
5. 系统部署与优化建议
5.1 生产环境部署方案
推荐的最低服务器配置：
- 应用服务器：4核8GB（Tomcat线程数建议200-300）
- 数据库服务器：8核16GB（SSD存储）
- Redis服务器：2核4GB（持久化开启）
Nginx关键配置示例：
nginx复制upstream pharmacy {
server 127.0.0.1:8080 weight=1;
keepalive 32;
}
server {
location / {
proxy_pass http://pharmacy;
proxy_http_version 1.1;
proxy_set_header Connection "";
}
# 静态资源缓存
location ~* \.(js|css|png)$ {
expires 30d;
}
}
5.2 性能优化经验
-
缓存策略：
- 药品基础信息缓存24小时
- 库存数据缓存5分钟（可通过canal监听binlog及时更新）
- 使用多级缓存：Caffeine（本地）+ Redis（分布式）
-
SQL优化案例：
java复制// 反例：N+1查询问题
List<Order> orders = orderMapper.selectList(null);
orders.forEach(order -> {
User user = userMapper.selectById(order.getUserId());
order.setUserName(user.getName());
});
// 正例：批量查询
List<Order> orders = orderMapper.selectList(null);
List<Long> userIds = orders.stream()
.map(Order::getUserId)
.distinct()
.collect(Collectors.toList());
Map<Long, User> userMap = userMapper.selectBatchIds(userIds)
.stream()
.collect(Collectors.toMap(User::getId, Function.identity()));
orders.forEach(order -> {
order.setUserName(userMap.get(order.getUserId()).getName());
});
在项目上线后，我们通过Arthas工具发现药品查询接口的响应时间从120ms降低到了45ms，主要优化措施包括：
- 添加合适的数据库索引
- 重构了关联查询逻辑
- 引入二级缓存
这个项目的开发过程中，我最大的体会是：医药行业系统开发必须将合规性放在首位。比如在实现药品批次管理时，我们不仅需要考虑技术实现，还要符合GSP规范要求。另外，系统的可追溯性设计也至关重要，所有关键操作都必须记录完整的操作日志。