1. 项目背景与需求分析
养老机构管理一直是个复杂而敏感的领域。我在参与某大型养老连锁机构数字化改造时深刻体会到，传统纸质档案+Excel表格的管理方式存在诸多痛点：老人健康数据更新不及时、护理排班混乱、费用计算易出错、紧急情况响应慢。这些问题直接影响到服务质量和运营效率。
这套养老院管理系统正是为解决这些实际问题而设计。系统核心目标可归纳为三个层面：
- 业务层面：实现老人档案电子化、护理流程标准化、费用管理透明化
- 技术层面：构建高可用、易维护的现代化Web应用
- 安全层面：确保敏感健康数据的安全存储与合规使用
特别值得关注的是，系统设计时考虑了养老机构的特殊使用场景。比如护理人员平均年龄偏大、计算机操作能力有限，这就要求界面必须极度简洁直观。我们做了大量用户调研后发现，将关键操作步骤控制在3步以内，按钮尺寸放大30%，能显著降低使用门槛。
2. 技术架构设计
2.1 整体架构方案
采用前后端分离架构是经过多方论证的决定。传统单体架构在养老机构这种多角色（管理员、护理员、家属）场景下存在明显局限：
- 前端：Vue 3 + Element Plus组合提供了响应式布局，适配从PC到平板的各种设备
- 后端：Spring Boot 2.7 + MyBatis Plus构建RESTful API
- 安全：JWT+RBAC实现细粒度权限控制，敏感操作全部记录审计日志
数据库选型上，MySQL 8.0因其成熟稳定成为首选。考虑到养老数据的特点，我们特别优化了以下设计：
- 所有时间字段统一使用DATETIME(3)存储到毫秒级
- 健康状态等关键字段建立全文索引
- 采用软删除模式保留操作痕迹
2.2 关键技术实现
2.2.1 老人健康数据实时同步
通过WebSocket实现健康监测设备的实时数据推送。核心代码片段：
java复制@RestController
@RequestMapping("/health")
public class HealthMonitorController {
@Autowired
private SimpMessagingTemplate messagingTemplate;
@PostMapping("/update")
public void updateHealthData(@RequestBody HealthData data) {
// 数据校验与持久化
healthService.save(data);
// 实时推送到前端
messagingTemplate.convertAndSend(
"/topic/health/" + data.getElderId(),
data
);
}
}
2.2.2 护理排班冲突检测
排班模块的核心难点在于冲突检测算法。我们采用时间区间重叠检测+护理能力匹配的双重校验：
java复制public boolean checkScheduleConflict(Schedule newSchedule) {
// 查询同一护理员在该日期的所有排班
List<Schedule> exists = scheduleMapper.selectByStaffAndDate(
newSchedule.getStaffId(),
newSchedule.getWorkDate()
);
return exists.stream().anyMatch(s ->
// 时间重叠检测
!(s.getEndTime().isBefore(newSchedule.getStartTime()) ||
s.getStartTime().isAfter(newSchedule.getEndTime()))
&&
// 老人护理等级匹配检测
s.getRequiredLevel() <= newSchedule.getStaffLevel()
);
}
3. 核心功能实现细节
3.1 老人信息管理模块
采用树形结构组织老人档案信息：
code复制老人基础信息
├─ 个人资料（含紧急联系人）
├─ 健康档案
│ ├─ 基础体检数据
│ ├─ 慢性病记录
│ └─ 用药记录
└─ 服务记录
├─ 护理日志
└─ 探访记录
数据表设计特别注意了医疗数据的合规性：
- 所有健康相关字段均加密存储
- 建立数据变更历史表（history_elder_info）满足审计要求
- 设置数据保留策略（5年自动归档）
3.2 智能排班算法
排班系统采用规则引擎+贪心算法的混合策略：
-
硬性规则校验（不可违反）：
- 同一护理员班次间隔≥8小时
- 每位老人每天至少3次基础护理
- 重症老人必须配备高级护理员
-
优化目标：
- 护理员工作量均衡（方差最小化）
- 老人偏好满足率最大化
- 特殊节日排班优先级调整
实现效果：排班效率提升80%，护理投诉率下降45%。
4. 安全与性能优化
4.1 安全防护体系
采用分层安全设计：
- 传输层：HTTPS+国密SM2双加密
- 应用层：
- 密码策略：PBKDF2算法+盐值加密
- 会话管理：JWT短期令牌（30分钟过期）
- 权限控制：基于资源的RBAC模型
- 数据层：
- 敏感字段AES-256加密
- SQL注入防护：MyBatis参数化查询
- 审计日志：记录所有数据变更
4.2 性能调优实践
通过JMeter压测发现的性能瓶颈及解决方案：
| 问题点 | 优化前QPS | 优化方案 | 优化后QPS |
|---|---|---|---|
| 老人列表查询 | 32 | 添加复合索引+查询缓存 | 210 |
| 健康数据批量导入 | 15 | 改用批量插入+异步处理 | 85 |
| 排班冲突检测 | 8 | 算法优化+预计算 | 45 |
特别提醒：MySQL配置中需要调整以下参数：
ini复制innodb_buffer_pool_size = 2G # 缓冲池大小
innodb_io_capacity = 2000 # IO容量
max_connections = 300 # 最大连接数
5. 部署与运维方案
5.1 容器化部署
采用Docker Compose编排方案：
yaml复制version: '3'
services:
backend:
image: openjdk:17-jdk
ports:
- "8080:8080"
environment:
- SPRING_PROFILES_ACTIVE=prod
volumes:
- ./logs:/app/logs
frontend:
image: nginx:1.21
ports:
- "80:80"
volumes:
- ./dist:/usr/share/nginx/html
mysql:
image: mysql:8.0
environment:
- MYSQL_ROOT_PASSWORD=yourpassword
volumes:
- ./mysql_data:/var/lib/mysql
5.2 监控方案
Prometheus+Grafana监控体系配置要点：
- Spring Boot Actuator暴露metrics端点
- 关键业务指标埋点：
java复制@GetMapping("/api/elder") public List<Elder> listElders() { // 业务代码... Metrics.counter("elder.query.count").increment(); } - 告警规则示例：
- 健康数据上报延迟>5分钟
- 登录失败次数每小时>10次
- CPU使用率持续>80%达5分钟
6. 踩坑经验分享
6.1 日期时间处理陷阱
初期使用LocalDateTime遇到时区问题，最终解决方案：
java复制// 数据库配置
spring.jpa.properties.hibernate.jdbc.time_zone=Asia/Shanghai
// 实体类注解
@Column(columnDefinition = "DATETIME(3)")
private LocalDateTime createTime;
6.2 Vue性能优化
大数据量列表渲染卡顿的解决过程：
- 问题现象：500条以上老人数据列表滚动卡顿
- 排查工具：Chrome Performance面板
- 解决方案：
- 虚拟滚动（vue-virtual-scroller）
- 分页加载+滚动加载组合
- 表格组件静态化（v-once）
优化后效果：万级数据流畅滚动，FPS稳定在60。
7. 扩展方向建议
-
智能预警系统
- 基于健康数据异常检测（如体温持续偏高）
- 跌倒检测算法集成（需对接IoT设备）
-
家属小程序扩展
- 微信小程序开发套件
- 关键信息推送（用药提醒、体检报告）
-
数据分析平台
- 使用Apache Doris构建OLAP系统
- 护理质量评估模型
- 资源利用率分析看板
这套系统在实际部署后，帮助某200床位的养老院将管理效率提升了60%，差错率降低到原来的1/5。特别在疫情期间，无接触的健康数据采集和远程家属沟通功能发挥了重要作用。