SpringBoot+Vue构建医疗预约平台实战

1. 项目概述

作为一名经历过多次医疗系统开发的Java工程师，我深知传统线下挂号模式的痛点。去年参与某三甲医院预约系统改造时，亲眼目睹了患者凌晨排队、黄牛倒号、医护超负荷工作的乱象。基于SpringBoot的诊疗预约平台正是为解决这些问题而设计的现代化解决方案。

这个平台本质上是一个B/S架构的医疗预约中台，核心目标是实现"患者少跑腿、信息多跑路"。通过角色权限分离，我们为患者提供24小时在线预约服务，为医生智能排班减负，为管理员提供可视化管控工具。相比传统C/S架构系统，采用SpringBoot+Vue的前后端分离方案，在开发效率、可维护性和用户体验上都有显著提升。

2. 技术选型解析

2.1 后端框架选择

选择SpringBoot 2.7.x版本主要基于三个实际考量：

1. 快速启动：内嵌Tomcat避免传统War包部署的繁琐，通过@SpringBootApplication一个注解即可启动服务
2. 约定优于配置：自动化的Bean管理让开发者更专注业务逻辑
3. 生态丰富：整合MyBatis-Plus 3.5.x实现单表零SQL，配合PageHelper分页插件简化数据操作

关键依赖示例：

xml复制<dependency>
    <groupId>com.baomidou</groupId>
    <artifactId>mybatis-plus-boot-starter</artifactId>
    <version>3.5.3</version>
</dependency>
<dependency>
    <groupId>com.github.pagehelper</groupId>
    <artifactId>pagehelper-spring-boot-starter</artifactId>
    <version>1.4.6</version>
</dependency>

2.2 前端技术栈

采用Vue 3.x + Element Plus的组合出于以下考虑：

• 组件化开发：预约日历、医生排班表等可复用组件提升开发效率
• 响应式布局：自动适配PC、Pad等不同终端
• 状态管理：Vuex管理全局状态如用户登录信息、权限标识等

典型组件封装逻辑：

javascript复制// 预约日历组件
export default {
  props: ['doctorId'],
  data() {
    return {
      availableSlots: []
    }
  },
  mounted() {
    this.loadSchedule()
  },
  methods: {
    async loadSchedule() {
      const res = await getDoctorSchedule(this.doctorId)
      this.availableSlots = res.data
    }
  }
}

2.3 数据库设计

MySQL 8.0相比5.7版本主要利用了这些特性：

1. JSON字段类型：存储动态扩展的医疗问卷数据
2. 窗口函数：实现复杂的预约统计报表
3. CTE递归查询：处理科室树形结构

核心表关系设计：

sql复制CREATE TABLE `t_user` (
  `id` BIGINT PRIMARY KEY AUTO_INCREMENT,
  `username` VARCHAR(64) UNIQUE NOT NULL COMMENT '登录账号',
  `password` VARCHAR(128) NOT NULL COMMENT 'BCrypt加密密码',
  `real_name` VARCHAR(32) NOT NULL COMMENT '实名信息',
  `role_type` TINYINT NOT NULL COMMENT '1患者 2医生 3管理员'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE `t_schedule` (
  `id` BIGINT PRIMARY KEY AUTO_INCREMENT,
  `doctor_id` BIGINT NOT NULL COMMENT '医生ID',
  `work_date` DATE NOT NULL COMMENT '排班日期',
  `time_slots` JSON NOT NULL COMMENT '时间段配置',
  FOREIGN KEY (`doctor_id`) REFERENCES `t_user`(`id`)
);

3. 核心功能实现

3.1 多角色权限控制

采用RBAC模型结合Spring Security实现三级权限隔离：

1. 患者：预约挂号、个人信息管理
2. 医生：排班管理、患者病历查看
3. 管理员：用户管理、系统监控

权限拦截器关键代码：

java复制@PreAuthorize("hasRole('DOCTOR')")
@GetMapping("/api/patient-records")
public Result<List<PatientRecord>> getPatientRecords(
    @RequestParam Long patientId) {
    // 医生只能查看自己关联的患者记录
    return Result.success(recordService.getRecords(patientId));
}

踩坑提醒：权限注解要配合方法级参数校验，避免越权访问

3.2 预约业务流设计

采用状态机模式管理预约生命周期：

mermaid复制stateDiagram
    [*] --> PENDING
    PENDING --> CONFIRMED: 医生确认
    PENDING --> CANCELLED: 患者取消
    CONFIRMED --> COMPLETED: 就诊完成
    CONFIRMED --> CANCELLED: 超时未就诊

对应实体状态字段设计：

java复制public enum AppointmentStatus {
    PENDING(0, "待确认"),
    CONFIRMED(1, "已预约"),
    CANCELLED(2, "已取消"),
    COMPLETED(3, "已完成");
    
    // 省略value/code转换方法
}

3.3 高并发预约处理

针对专家号秒杀场景，采用三级防护：

1. 前端防抖：按钮点击300ms冷却
2. 乐观锁控制：

sql复制UPDATE t_appointment 
SET version = version + 1 
WHERE id = ? AND version = ?

3. Redis分布式锁：

java复制public boolean tryLock(String key, long expireTime) {
    return redisTemplate.opsForValue()
        .setIfAbsent(key, "1", expireTime, TimeUnit.SECONDS);
}

4. 典型问题解决方案

4.1 医生排班冲突检测

解决方案：通过数据库约束+业务校验双重保障

sql复制ALTER TABLE t_schedule ADD CONSTRAINT uk_doctor_date 
UNIQUE (doctor_id, work_date);

业务层校验逻辑：

java复制public void checkScheduleConflict(Long doctorId, LocalDate date) {
    if (scheduleMapper.existsByDoctorAndDate(doctorId, date)) {
        throw new BusinessException("该医生当日已有排班");
    }
}

4.2 预约超时自动取消

使用Spring Scheduled实现定时任务：

java复制@Scheduled(cron = "0 0/30 * * * ?")
public void cancelTimeoutAppointments() {
    List<Appointment> timeoutList = appointmentMapper
        .selectTimeoutList(LocalDateTime.now().minusMinutes(30));
    
    timeoutList.forEach(app -> {
        app.setStatus(AppointmentStatus.CANCELLED);
        appointmentMapper.updateById(app);
        // 发送通知
        notifyService.sendCancelNotice(app);
    });
}

4.3 患者重复预约限制

通过组合索引+缓存标记实现：

sql复制CREATE INDEX idx_patient_doctor_date ON t_appointment
(patient_id, doctor_id, appointment_date);

缓存校验逻辑：

java复制public boolean checkDuplicateAppointment(Long patientId, Long doctorId, LocalDate date) {
    String cacheKey = String.format("appoint:%s:%s:%s", 
        patientId, doctorId, date);
    return redisTemplate.hasKey(cacheKey);
}

5. 部署优化实践

5.1 性能调优参数

application-prod.yml关键配置：

yaml复制server:
  tomcat:
    max-threads: 200
    min-spare-threads: 20
    
spring:
  datasource:
    hikari:
      maximum-pool-size: 30
      connection-timeout: 30000

5.2 监控方案

集成Prometheus + Grafana监控体系：

1. 应用指标采集配置：

java复制@Bean
public MeterRegistryCustomizer<PrometheusMeterRegistry> metrics() {
    return registry -> registry.config().commonTags("application", "booking-system");
}

2. 关键监控指标：
   • 预约QPS
   • 平均响应时间
   • 错误率
   • 数据库连接池使用率

5.3 日志收集

采用ELK栈实现日志集中管理：

xml复制<!-- logstash-logback-encoder -->
<dependency>
    <groupId>net.logstash.logback</groupId>
    <artifactId>logstash-logback-encoder</artifactId>
    <version>7.2</version>
</dependency>

logback-spring.xml配置示例：

xml复制<appender name="LOGSTASH" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
    <destination>logstash:5044</destination>
    <encoder class="net.logstash.logback.encoder.LogstashEncoder"/>
</appender>

6. 扩展优化方向

6.1 智能推荐算法

基于历史数据实现：

python复制# 伪代码示例
def recommend_doctors(patient_id):
    history = get_history_appointments(patient_id)
    similar_patients = find_similar_patients(history)
    return aggregate_recommendations(similar_patients)

6.2 微信小程序接入

改造方案要点：

1. 增加JWT认证模块
2. 封装统一API网关
3. 适配小程序登录流程：

java复制@PostMapping("/api/wx-login")
public Result<String> wechatLogin(@RequestBody WxLoginDTO dto) {
    String openid = wxService.getOpenId(dto.getCode());
    User user = userService.getByWxOpenId(openid);
    return Result.success(jwtUtil.generateToken(user));
}

6.3 微服务改造

潜在拆分方向：

1. 用户服务
2. 预约服务
3. 排班服务
4. 支付服务

Spring Cloud Alibaba技术选型：

xml复制<dependency>
    <groupId>com.alibaba.cloud</groupId>
    <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId>
</dependency>

这个项目从零到上线的过程中，最深刻的体会是：医疗系统对数据一致性和可靠性的要求远超普通电商系统。比如在预约状态变更时，我们最终采用了本地事务表+定时任务补偿的方案，确保即使系统崩溃也不会出现状态不一致。建议后续开发类似系统的同行，在初期就要建立完善的数据审计机制和异常处理预案。