长笛小号1. 项目背景与核心需求
在线交友平台作为互联网时代的典型社交产品，已经发展出多种细分形态。对于计算机专业毕业生而言，采用SpringBoot框架实现这类系统具有多重优势：既能展示全栈开发能力，又能体现对现代Web技术的掌握程度。这个毕业设计项目的核心在于构建一个具备完整用户生命周期管理的交友系统，从技术层面需要解决以下几个关键问题：
- 用户匹配算法：基础版可采用标签匹配+地理位置筛选，进阶版可引入简单的协同过滤推荐
- 实时通信能力：WebSocket实现即时消息，配合心跳机制保持长连接
- 内容安全审核：基于关键词过滤的初级内容审核系统
- 移动端适配：响应式布局或独立开发的移动端H5页面
提示：毕业设计项目需要特别注意文档完整性，建议从立项阶段就建立规范的技术文档体系，包括需求规格说明书、API文档和部署手册。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术架构设计
2.1 整体架构方案
采用经典的三层架构设计，但针对交友网站特性做了专项优化：
code复制前端层：Thymeleaf模板引擎 + Bootstrap5响应式布局
↓ (RESTful API)
业务层：SpringBoot 2.7 + Spring Security OAuth2
↓ (MyBatis映射)
数据层：MySQL 8.0(用户核心数据) + Redis(会话缓存)
↓ (消息队列)
扩展服务：WebSocket服务(独立部署) + 定时任务服务
2.2 关键技术选型解析
认证方案对比：
| 方案 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| Session-Cookie | 实现简单 | 跨域问题明显 | 传统单体应用 |
| JWT | 无状态 | 注销困难 | 前后端分离项目 |
| OAuth2 + Redis | 可控性强 | 架构复杂 | 中大型分布式系统 |
最终选择OAuth2密码模式+Redis黑名单方案，既满足毕业设计的技术深度要求，又保证系统安全性。
数据库设计要点：
- 用户表增加
tags字段存储兴趣标签（JSON格式） - 关系表采用复合主键(user_id, friend_id) + 状态字段
- 消息表按月份分表，避免单表数据过大
3. 核心功能实现细节
3.1 用户匹配系统实现
基础匹配算法代码示例：
java复制public List<User> matchUsers(Long userId, int distance) {
User target = userMapper.selectById(userId);
return userMapper.selectList(new QueryWrapper<User>()
.ne("id", userId)
.apply("ST_Distance_Sphere(point({0},{1}), point(longitude,latitude)) < {2}",
target.getLongitude(),
target.getLatitude(),
distance * 1000)
.like(StrUtil.isNotBlank(target.getTags()), "tags", extractMainTag(target.getTags()))
.last("limit 50"));
}
3.2 即时通信解决方案
WebSocket配置关键代码：
java复制@Configuration
@EnableWebSocketMessageBroker
public class WebSocketConfig implements WebSocketMessageBrokerConfigurer {
@Override
public void configureMessageBroker(MessageBrokerRegistry config) {
config.enableSimpleBroker("/queue", "/topic");
config.setApplicationDestinationPrefixes("/app");
}
@Override
public void registerStompEndpoints(StompEndpointRegistry registry) {
registry.addEndpoint("/ws")
.setAllowedOrigins("*")
.withSockJS();
}
}
消息存储采用写扩散模式，每个会话对应一个Redis的SortedSet，使用时间戳作为score值实现消息排序。
4. 安全防护专项
4.1 内容安全方案
实现三级内容过滤机制：
- 前端输入校验（长度、格式等基础校验）
- 后端关键词过滤（AC自动机算法实现）
- 人工审核接口（敏感内容进入待审队列）
关键词过滤工具类示例：
java复制public class SensitiveFilter {
private static final TrieNode root = new TrieNode();
static {
// 初始化敏感词字典
List<String> words = sensitiveWordMapper.selectAll();
words.forEach(word -> {
TrieNode node = root;
for (char c : word.toCharArray()) {
node = node.children.computeIfAbsent(c, k -> new TrieNode());
}
node.isEnd = true;
});
}
public static String filter(String text) {
// AC自动机过滤实现
// ...
}
}
4.2 接口安全防护
Spring Security配置要点：
java复制@Configuration
@EnableWebSecurity
public class SecurityConfig extends WebSecurityConfigurerAdapter {
@Override
protected void configure(HttpSecurity http) throws Exception {
http.csrf().disable()
.authorizeRequests()
.antMatchers("/api/public/**").permitAll()
.antMatchers("/ws/**").permitAll()
.anyRequest().authenticated()
.and()
.oauth2ResourceServer()
.jwt()
.decoder(jwtDecoder());
}
}
额外建议增加API调用频率限制，使用Redis实现简单计数器：
java复制@Aspect
@Component
public class RateLimitAspect {
@Around("@annotation(rateLimit)")
public Object around(ProceedingJoinPoint joinPoint, RateLimit rateLimit) throws Throwable {
String key = "rate:" + getRequest().getRemoteAddr();
long count = redisTemplate.opsForValue().increment(key, 1);
if (count == 1) {
redisTemplate.expire(key, rateLimit.time(), TimeUnit.SECONDS);
}
if (count > rateLimit.count()) {
throw new BusinessException("请求过于频繁");
}
return joinPoint.proceed();
}
}
5. 部署与性能优化
5.1 生产环境部署方案
推荐使用Docker Compose编排服务：
yaml复制version: '3'
services:
app:
image: openjdk:11-jre
ports:
- "8080:8080"
volumes:
- ./app.jar:/app.jar
command: java -jar /app.jar
depends_on:
- redis
- mysql
redis:
image: redis:6
ports:
- "6379:6379"
volumes:
- redis_data:/data
mysql:
image: mysql:8.0
environment:
MYSQL_ROOT_PASSWORD: rootpass
MYSQL_DATABASE: dating_db
ports:
- "3306:3306"
volumes:
- mysql_data:/var/lib/mysql
volumes:
redis_data:
mysql_data:
5.2 性能优化技巧
-
缓存策略：
- 用户基础信息：Redis缓存，TTL设置2小时
- 热门动态：使用Guava Cache实现本地缓存
- 分布式锁：Redisson实现匹配过程的互斥访问
-
SQL优化示例：
java复制// 错误写法：N+1查询问题
List<User> users = userMapper.selectList(queryWrapper);
users.forEach(user -> {
user.setProfile(profileMapper.selectByUserId(user.getId()));
});
// 正确写法：批量查询
List<User> users = userMapper.selectListWithProfile(queryWrapper);
- 异步处理：
- 使用@Async处理非实时性操作（如匹配成功通知）
- 消息推送采用RabbitMQ削峰填谷
6. 毕业设计扩展建议
6.1 答辩亮点设计
-
技术对比分析：
- 传统Servlet vs SpringBoot自动配置
- HTTP轮询 vs WebSocket长连接
- 关系型数据库 vs NoSQL在社交场景的应用
-
创新点建议：
- 实现"阅后即焚"消息功能
- 增加语音匹配等特色交互
- 引入简单的用户行为分析
6.2 常见问题应对
高频答辩问题：
-
如何保证用户隐私安全？
- 回答要点：数据脱敏、通信加密、最小权限原则
-
系统能支持多少并发用户？
- 回答策略：根据压测数据说明，同时解释水平扩展方案
-
匹配算法的改进方向？
- 可提及：机器学习模型、更多维度的用户画像
我在实际开发中发现，交友类项目的测试数据构造很有挑战。建议使用Mockaroo等工具生成符合真实场景的测试数据，特别注意各种边界情况：
- 超长字符串的个人简介
- 极端的地理位置坐标
- 包含特殊字符的用户名
- 短时间内的大量匹配请求