Spring Boot地铁票务系统设计与Dijkstra算法应用

1. 项目背景与核心价值

作为一名参与过多个城市轨道交通信息化项目的开发者，我深知传统地铁售票系统面临的痛点。去年参与某二线城市地铁票务系统升级时，亲眼目睹早高峰时段售票窗口排起的长龙——平均每位乘客需要花费3-5分钟完成购票，而使用移动支付的乘客仅需30秒。这种效率差异直接促使我们团队开始探索基于Spring Boot的全栈解决方案。

本系统采用经典的B/S架构，前端使用Thymeleaf模板引擎实现服务端渲染，后端基于Spring Boot 2.7整合了Spring Security认证体系。数据库选用MySQL 8.0，利用其JSON字段类型存储动态线路信息。特别值得一提的是，我们在票务计算模块创新性地应用了图论中的Dijkstra算法，实现跨线路最短路径规划和票价自动计算。

2. 系统架构设计

2.1 技术栈选型分析

选择Spring Boot而非传统SSM框架主要基于三点考量：

1. 内嵌Tomcat简化部署，特别适合需要快速迭代的毕业设计场景
2. Starter依赖机制能有效解决Java开发中的JAR包冲突问题
3. Actuator端点监控为系统运维提供开箱即用的支持

数据库对比方案：

• MySQL：关系型数据库，适合处理交易数据（如购票订单）
• Redis：缓存热点数据（如线路查询结果）
• MongoDB：曾考虑用于存储非结构化的论坛数据，最终因学习成本放弃

2.2 核心业务流程图

票务购买流程采用状态机模式设计：

code复制用户查询 → 选择车次 → 余额校验 → 生成订单 → 扣款 → 出票

关键状态转换逻辑：

java复制public enum OrderStatus {
    INITIALIZED,
    PAYING,
    PAID,
    CANCELLED,
    COMPLETED;
    
    public static boolean canTransfer(OrderStatus from, OrderStatus to) {
        // 状态转换规则校验逻辑
    }
}

3. 数据库详细设计

3.1 核心表结构

用户账户表(account)

sql复制CREATE TABLE `account` (
  `id` BIGINT PRIMARY KEY AUTO_INCREMENT,
  `username` VARCHAR(32) UNIQUE NOT NULL,
  `password` VARCHAR(64) NOT NULL COMMENT 'BCrypt加密存储',
  `balance` DECIMAL(10,2) DEFAULT 0.00,
  `avatar` VARCHAR(255) COMMENT 'OSS存储路径',
  `phone` VARCHAR(20) COMMENT '用于短信通知',
  `status` TINYINT DEFAULT 1 COMMENT '0-禁用 1-正常'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

地铁线路表(metro_line)

sql复制CREATE TABLE `metro_line` (
  `id` INT PRIMARY KEY,
  `line_name` VARCHAR(50) NOT NULL,
  `stations` JSON NOT NULL COMMENT '站点数组及坐标信息',
  `first_train` TIME NOT NULL,
  `last_train` TIME NOT NULL,
  `interval_minutes` INT DEFAULT 5
);

3.2 索引优化方案

针对高频查询场景建立复合索引：

sql复制-- 车次查询索引
ALTER TABLE `metro_schedule` ADD INDEX `idx_line_time` (`line_id`, `departure_time`);

-- 订单查询索引
ALTER TABLE `ticket_order` ADD INDEX `idx_user_status` (`user_id`, `status`);

4. 关键功能实现

4.1 最短路径算法实现

基于邻接表构建地铁网络图：

java复制public class MetroGraph {
    private Map<String, List<Edge>> adjacencyList = new HashMap<>();
    
    class Edge {
        String toStation;
        int weight; // 站点间行驶时间(分钟)
    }
    
    public List<String> shortestPath(String from, String to) {
        // Dijkstra算法实现
    }
}

4.2 购票事务处理

使用Spring声明式事务保证数据一致性：

java复制@Transactional
public TicketOrder purchaseTicket(Long userId, Long scheduleId) {
    // 1. 校验余票
    int remaining = ticketMapper.selectRemaining(scheduleId);
    if(remaining <= 0) {
        throw new BusinessException("票已售罄");
    }
    
    // 2. 扣减余额
    BigDecimal price = scheduleMapper.selectPriceById(scheduleId);
    accountMapper.deductBalance(userId, price);
    
    // 3. 生成订单
    TicketOrder order = new TicketOrder();
    // ...订单构建逻辑
    orderMapper.insert(order);
    
    // 4. 余票扣减
    ticketMapper.decreaseRemaining(scheduleId);
    
    return order;
}

5. 安全防护措施

5.1 防SQL注入方案

• 全部使用MyBatis参数化查询
• 动态SQL使用标签自动处理null值
• 用户输入统一进行XSS过滤：

java复制public class XssFilter implements Filter {
    @Override
    public void doFilter(ServletRequest request, ServletResponse response, 
        FilterChain chain) throws IOException, ServletException {
        // 使用Jsoup清理HTML标签
        String safeInput = Jsoup.clean(rawInput, Whitelist.basic());
    }
}

5.2 支付安全设计

1. 余额变动记录流水账：

sql复制CREATE TABLE `balance_log` (
  `id` BIGINT PRIMARY KEY,
  `user_id` BIGINT NOT NULL,
  `amount` DECIMAL(10,2) NOT NULL,
  `type` ENUM('RECHARGE','CONSUME','REFUND') NOT NULL,
  `order_id` VARCHAR(32) COMMENT '关联订单号',
  `create_time` DATETIME DEFAULT CURRENT_TIMESTAMP
);

2. 敏感操作二次验证：

java复制public void confirmWithSms(Long userId, String operation) {
    String code = smsService.sendVerifyCode(user.getPhone());
    redisTemplate.opsForValue().set(
        "confirm:" + userId + ":" + operation, 
        code, 5, TimeUnit.MINUTES);
}

6. 性能优化实践

6.1 缓存策略设计

使用Redis缓存热点数据：

java复制@Cacheable(value = "lineInfo", key = "#lineId")
public MetroLine getLineDetail(Integer lineId) {
    return lineMapper.selectById(lineId);
}

@CacheEvict(value = "lineInfo", key = "#lineId")
public void updateLine(MetroLine line) {
    lineMapper.updateById(line);
}

6.2 数据库连接池配置

在application.yml中优化HikariCP参数：

yaml复制spring:
  datasource:
    hikari:
      maximum-pool-size: 20
      minimum-idle: 5
      connection-timeout: 30000
      idle-timeout: 600000
      max-lifetime: 1800000

7. 部署与监控

7.1 容器化部署方案

Dockerfile示例：

dockerfile复制FROM openjdk:11-jre
COPY target/metro-ticket-1.0.0.jar /app.jar
EXPOSE 8080
ENTRYPOINT ["java","-jar","/app.jar"]

7.2 健康检查端点

Spring Boot Actuator配置：

yaml复制management:
  endpoints:
    web:
      exposure:
        include: health,info,metrics
  endpoint:
    health:
      show-details: always

8. 开发心得与避坑指南

1. 时间处理坑点：

• 永远使用java.time包处理时间
• 数据库字段使用TIMESTAMP而非DATETIME
• 前端传递时间戳而非格式化字符串

2. 金额计算准则：

java复制// 错误示范
double total = 0.1 + 0.2; // 结果将是0.30000000000000004

// 正确做法
BigDecimal total = new BigDecimal("0.1").add(new BigDecimal("0.2"));

3. 并发场景处理：

java复制@Transactional
public void handleConcurrentOrder(Long orderId) {
    // 使用SELECT FOR UPDATE加锁
    Order order = orderMapper.selectForUpdate(orderId);
    if(order.getStatus() != INITIALIZED) {
        throw new BusinessException("订单状态异常");
    }
    // 后续处理...
}

4. 日志记录规范：

• 使用SLF4J+Logback组合
• 不同级别日志分开存储
• 敏感信息脱敏处理

java复制private static final Logger logger = LoggerFactory.getLogger(TicketService.class);

public void someMethod() {
    logger.info("购票请求参数：{}", 
        LogUtil.maskSensitive(param));
}

这个项目让我深刻体会到，一个健壮的票务系统不仅需要完善的功能设计，更要考虑异常处理、数据一致性和系统扩展性。特别是在高并发场景下，如何平衡系统性能与数据准确性是需要持续优化的课题。