SpringBoot+微信小程序实现智慧校园选课系统

1. 项目概述：智慧校园选课系统的技术实现方案

这个基于SpringBoot和微信小程序的智慧校园选课系统，是我去年为某职业技术学院完成的毕业设计改造项目。传统选课系统通常采用PC端网页形式，存在移动场景适配差、服务器峰值压力大等问题。而微信小程序天然具备跨平台特性，配合SpringBoot后端的高并发处理能力，能够实现万级用户同时在线的选课需求。

系统核心功能模块包括：

• 学生端：课表查询、选课退课、成绩查看、课程评价
• 教师端：开课管理、成绩录入、考勤统计
• 管理端：课程管理、权限控制、数据统计分析

技术栈选型上，前端采用微信小程序原生框架+WeUI组件库，后端使用SpringBoot 2.7 + MyBatis-Plus，数据库为MySQL 8.0并配合Redis缓存。特别值得注意的是，我们通过自定义分布式锁解决了热门课程秒杀时的超卖问题，这在后续的压测中表现优异——在2000并发请求下，系统成功率达到99.3%。

2. 核心架构设计解析

2.1 前后端分离架构设计

系统采用典型的前后端分离架构，微信小程序与后端通过HTTPS协议通信。考虑到校园网络环境的特殊性，我们在接口设计上做了以下优化：

1. 数据压缩传输：使用GZIP压缩响应体，实测减少约65%的流量消耗
2. 接口缓存策略：对课表等静态数据设置Cache-Control头
3. 分页查询优化：采用游标分页替代传统LIMIT分页

java复制// 游标分页示例代码
public PageResult<Course> queryCourses(Long lastId, Integer size) {
    return lambdaQuery()
        .gt(lastId != null, Course::getId, lastId)
        .orderByAsc(Course::getId)
        .last("LIMIT " + size)
        .page()
        .convert(this::convertToDTO);
}

2.2 数据库设计要点

课程管理模块的核心表结构设计如下：

特别注意的点：

• 课程表添加status字段标识开课/结课状态
• 学生选课记录表使用双主键防止重复选课
• 所有时间字段统一使用UTC时间存储

3. 关键技术实现细节

3.1 微信小程序登录对接

小程序端采用官方推荐的登录流程，但针对校园场景做了特殊处理：

1. 首次登录时要求绑定学号/工号
2. 会话密钥定期轮换（默认7天）
3. 敏感接口增加二次验证（如图形验证码）

javascript复制// 小程序登录示例
wx.login({
  success: res => {
    wx.request({
      url: '/api/auth/login',
      data: { code: res.code, studentId: '20230001' },
      success: () => {
        // 存储自定义登录态
        wx.setStorageSync('token', res.data.token)
      }
    })
  }
})

3.2 选课并发控制方案

针对选课高峰期的并发问题，我们实现了三级防护：

1. 前端防抖：限制按钮点击频率（至少500ms间隔）
2. 分布式锁：基于Redis的Redisson实现
3. 数据库乐观锁：通过version字段控制

java复制public boolean selectCourse(Long studentId, Long courseId) {
    String lockKey = "lock:course:" + courseId;
    RLock lock = redissonClient.getLock(lockKey);
    try {
        if (lock.tryLock(1, 10, TimeUnit.SECONDS)) {
            // 检查课程余量
            Course course = courseMapper.selectById(courseId);
            if (course.getRemain() <= 0) {
                return false;
            }
            
            // 更新余量
            int updated = courseMapper.updateRemain(courseId, course.getVersion());
            if (updated > 0) {
                // 创建选课记录
                StudentCourse sc = new StudentCourse(studentId, courseId);
                studentCourseMapper.insert(sc);
                return true;
            }
        }
    } finally {
        lock.unlock();
    }
    return false;
}

4. 性能优化实践

4.1 缓存策略设计

采用多级缓存架构提升系统响应速度：

1. 本地缓存：使用Caffeine缓存课程基本信息（有效期5分钟）
2. Redis缓存：
   • 热门课程详情（带自动续期）
   • 学生课表数据（按学期隔离）
3. 数据库缓存：开启MySQL查询缓存

缓存更新策略采用"先更新数据库再删除缓存"的模式，避免缓存一致性问题。

4.2 SQL优化案例

在成绩查询模块中，原始SQL存在N+1查询问题：

sql复制-- 优化前
SELECT * FROM student WHERE class_id = ?;
-- 对每个学生执行
SELECT * FROM student_course WHERE student_id = ?;

优化后使用JOIN查询：

sql复制SELECT s.name, c.name, sc.score 
FROM student s
JOIN student_course sc ON s.id = sc.student_id
JOIN course c ON sc.course_id = c.id
WHERE s.class_id = ?

配合MyBatis的@FetchSize注解，查询速度提升约8倍。

5. 部署与监控方案

5.1 容器化部署

使用Docker Compose编排服务：

yaml复制version: '3'
services:
  app:
    image: campus-select:1.0
    ports:
      - "8080:8080"
    depends_on:
      - redis
      - mysql
  redis:
    image: redis:6-alpine
    volumes:
      - redis_data:/data
  mysql:
    image: mysql:8.0
    environment:
      MYSQL_ROOT_PASSWORD: ${DB_PASSWORD}
    volumes:
      - mysql_data:/var/lib/mysql

5.2 监控配置

1. SpringBoot Actuator暴露健康检查端点
2. Prometheus采集JVM指标
3. Grafana展示关键指标：
   • 选课成功率
   • 接口响应时间P99
   • 数据库连接池使用率

6. 典型问题排查记录

6.1 微信iOS视频播放异常

现象：iOS设备无法播放课程视频，报错MEDIA_ERR_NETWORK
排查过程：

1. 检查服务端视频URL可正常访问
2. 发现iOS要求视频必须支持Range请求
3. Nginx未正确配置MP4流媒体支持

解决方案：

nginx复制location ~ \.mp4$ {
    mp4;
    mp4_buffer_size 1m;
    mp4_max_buffer_size 5m;
}

6.2 选课记录重复问题

现象：偶发出现同一学生重复选同一课程
排查：

1. 检查数据库唯一索引正常
2. 发现前端网络不佳时可能重复提交
3. 接口未做幂等控制

解决方案：

1. 前端添加请求状态锁定
2. 后端接口增加幂等token
3. 数据库事务中添加检查

java复制@Transactional
public Result selectCourse(Long studentId, Long courseId, String idempotentKey) {
    // 检查幂等键
    if (redisTemplate.opsForValue().setIfAbsent(
        "idempotent:" + idempotentKey, "1", 5, TimeUnit.MINUTES)) {
        // 实际选课逻辑
    }
    return Result.fail("请勿重复提交");
}

7. 项目扩展方向

在实际使用过程中，我们发现系统还可以在以下方面进行增强：

1. 智能推荐：基于学生历史选课记录推荐相关课程
2. 冲突检测：可视化展示课程时间冲突
3. 移动端适配：开发配套教师端APP
4. 数据分析：使用ELK堆栈分析选课趋势

特别在推荐算法方面，我们试验了基于协同过滤的简单实现：

python复制# 简易推荐算法示例
def recommend_courses(student_id):
    # 获取相似学生的选课记录
    similar_students = find_similar_students(student_id)
    courses = get_common_courses(similar_students)
    
    # 过滤已选课程
    selected = get_selected_courses(student_id)
    return [c for c in courses if c not in selected]

这个项目从设计到上线共历时3个月，期间最大的收获是理解了高并发场景下的系统设计要点。特别是分布式锁的实现，我们对比了Redis、Zookeeper和数据库三种方案，最终选择Redisson作为解决方案，因其提供了完善的看门狗机制和丰富的API支持。