Project Moto1. 项目背景与需求分析
园艺温室管理系统作为现代农业信息化的重要组成部分，正在经历从传统人工管理向智能化、自动化方向的转型。基于Java SSM框架开发的温室管理系统，能够有效解决传统温室管理中存在的监测不及时、调控不精准、数据追溯困难等痛点问题。
在实际农业生产中，温室环境参数（如温度、湿度、光照、CO2浓度等）的实时监控与智能调节直接关系到作物生长品质和产量。传统的人工记录和手动控制方式存在以下典型问题：
- 环境数据采集间隔长（通常2-4小时一次）
- 调控响应滞后（发现异常到执行调整平均需要30分钟以上）
- 历史数据难以系统化分析
- 多温室协同管理效率低下
通过构建基于Java SSM的园艺温室管理平台，可以实现：
- 环境参数的分钟级采集与存储
- 智能阈值告警（如温度超过30℃自动触发通风系统）
- 远程移动端监控（支持Android/iOS）
- 作物生长周期数据建模
- 设备联动控制（补光灯、喷灌、遮阳网等）
关键需求提示：系统需要特别关注传感器数据的实时性和准确性，建议采用Modbus RTU协议与硬件设备通信，采样频率不低于1次/分钟。
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 SSM框架选型分析
本系统采用经典的Java SSM（Spring+SpringMVC+MyBatis）框架组合，其技术栈优势体现在：
| 技术组件 | 版本 | 应用场景 | 优势特性 |
|---|---|---|---|
| Spring | 5.3.18 | IOC容器、事务管理 | 声明式事务、AOP支持 |
| SpringMVC | 5.3.18 | Web层控制 | RESTful支持、参数绑定 |
| MyBatis | 3.5.9 | 数据持久层 | 动态SQL、二级缓存 |
| MySQL | 8.0.28 | 业务数据库 | 分区表支持、GIS空间数据 |
| Redis | 6.2.6 | 缓存数据库 | 高频数据缓存、分布式锁 |
框架整合采用Maven进行依赖管理，关键pom.xml配置示例：
xml复制<dependency>
<groupId>org.springframework</groupId>
<artifactId>spring-webmvc</artifactId>
<version>5.3.18</version>
</dependency>
<dependency>
<groupId>org.mybatis</groupId>
<artifactId>mybatis-spring</artifactId>
<version>2.0.7</version>
</dependency>
2.2 系统分层架构
系统采用典型的三层架构设计：
-
表现层：基于SpringMVC实现，包含：
- 设备控制API（/api/device/control）
- 数据查询API（/api/data/query）
- 文件导出接口（/api/report/export）
-
业务逻辑层：核心服务包括：
- 环境监测服务（EnvMonitorService）
- 设备控制服务（DeviceControlService）
- 报警规则引擎（AlertRuleEngine）
- 数据统计分析（DataAnalysisService）
-
数据访问层：MyBatis实现方案：
- 动态数据源配置（主从分离）
- 批量插入优化（foreach批量处理）
- 时空数据特殊处理（GIS字段映射）
3. 核心功能实现
3.1 环境数据采集模块
传感器数据采集流程采用生产者-消费者模式：
java复制// 数据采集线程池配置
@Bean
public ThreadPoolTaskExecutor sensorExecutor() {
ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
executor.setCorePoolSize(5);
executor.setMaxPoolSize(10);
executor.setQueueCapacity(100);
executor.setThreadNamePrefix("sensor-collect-");
return executor;
}
// Modbus数据解析示例
public SensorData parseModbusData(byte[] rawData) {
// 温度值（2字节，精度0.1℃）
int tempRaw = ((rawData[3] & 0xFF) << 8) | (rawData[4] & 0xFF);
float temperature = tempRaw * 0.1f;
// 湿度值（1字节，百分比）
int humidity = rawData[5] & 0xFF;
return new SensorData(temperature, humidity);
}
3.2 智能报警功能实现
报警规则采用规则引擎Drools实现，核心规则示例：
drl复制rule "HighTemperatureAlert"
when
$data : SensorData(temperature > 30)
$config : AlertConfig(type == "TEMP", enabled == true)
then
Alert alert = new Alert();
alert.setType("TEMPERATURE_HIGH");
alert.setMessage("温度超过阈值：" + $data.getTemperature());
insert(alert);
end
报警通知支持多通道：
- 站内消息（WebSocket实时推送）
- 短信通知（阿里云短信API）
- 邮件报警（JavaMail实现）
4. 性能优化实践
4.1 数据库优化方案
针对高频写入的传感器数据表，采用以下优化策略：
- 表分区设计：
sql复制CREATE TABLE sensor_data (
id BIGINT AUTO_INCREMENT,
greenhouse_id INT,
sensor_type VARCHAR(20),
value DECIMAL(10,2),
create_time DATETIME,
PRIMARY KEY (id, create_time)
) PARTITION BY RANGE (TO_DAYS(create_time)) (
PARTITION p202301 VALUES LESS THAN (TO_DAYS('2023-02-01')),
PARTITION p202302 VALUES LESS THAN (TO_DAYS('2023-03-01')),
PARTITION pmax VALUES LESS THAN MAXVALUE
);
- 批量插入优化：
java复制@Transactional
public void batchInsert(List<SensorData> dataList) {
SqlSession session = sqlSessionFactory.openSession(ExecutorType.BATCH);
try {
SensorDataMapper mapper = session.getMapper(SensorDataMapper.class);
for (SensorData data : dataList) {
mapper.insert(data);
}
session.commit();
} finally {
session.close();
}
}
4.2 缓存策略设计
采用多级缓存架构：
- 本地缓存：Caffeine缓存最近5分钟数据
java复制@Bean
public CaffeineCacheManager cacheManager() {
CaffeineCacheManager cacheManager = new CaffeineCacheManager();
cacheManager.setCaffeine(Caffeine.newBuilder()
.expireAfterWrite(5, TimeUnit.MINUTES)
.maximumSize(1000));
return cacheManager;
}
- Redis缓存：
- 存储设备最新状态（Hash结构）
- 报警记录（Sorted Set按时间排序）
- 历史数据查询结果缓存（设置30分钟过期）
5. 安全防护措施
5.1 接口安全设计
- 认证鉴权：采用JWT+Spring Security方案
java复制@Override
protected void configure(HttpSecurity http) throws Exception {
http.csrf().disable()
.authorizeRequests()
.antMatchers("/api/auth/**").permitAll()
.antMatchers("/api/**").authenticated()
.and()
.addFilter(new JwtAuthenticationFilter(authenticationManager()))
.sessionManagement()
.sessionCreationPolicy(SessionCreationPolicy.STATELESS);
}
- 数据加密：
- 敏感配置项使用AES加密存储
- 数据库连接信息通过Jasypt加密
properties复制# 加密后的数据库密码
spring.datasource.password=ENC(AlvQ3VQZQK5fMTZzI6jOWw==)
5.2 设备通信安全
- Modbus TCP白名单：限制可连接IP
- 数据校验：CRC16校验所有传输数据
- 指令签名：关键控制指令需携带HMAC签名
6. 项目部署方案
6.1 环境要求
- JDK：Amazon Corretto 17
- 应用服务器：Tomcat 9.0+
- 数据库：MySQL 8.0（建议配置16GB以上内存）
- 缓存：Redis 6.2+（开启持久化）
6.2 高可用部署
采用Nginx+Keepalived实现负载均衡与故障转移：
code复制upstream greenhouse {
server 192.168.1.101:8080 weight=3;
server 192.168.1.102:8080 weight=2;
server 192.168.1.103:8080 weight=1;
keepalive 32;
}
server {
listen 80;
server_name greenhouse.example.com;
location / {
proxy_pass http://greenhouse;
proxy_http_version 1.1;
proxy_set_header Connection "";
}
}
7. 开发注意事项
- 时区问题：统一使用UTC时间存储，前端按需转换
java复制@Bean
public Jackson2ObjectMapperBuilder objectMapperBuilder() {
return new Jackson2ObjectMapperBuilder()
.timeZone(TimeZone.getTimeZone("UTC"))
.simpleDateFormat("yyyy-MM-dd HH:mm:ss");
}
- 事务管理：注意MyBatis一级缓存的影响
java复制@Transactional(propagation = Propagation.REQUIRES_NEW)
public void updateDeviceStatus(Device device) {
// 需要新事务的操作
}
- 内存泄漏排查：建议使用JProfiler监控以下场景：
- 大结果集查询（未分页）
- 未关闭的InputStream
- 静态集合的滥用
在实际项目开发中，我们遇到了传感器数据积压导致OOM的问题，最终通过以下方案解决：
- 限制批量处理数据条数（每次不超过1000条）
- 采用更高效的二进制协议替代JSON传输
- 增加背压机制（当队列积压超过阈值时丢弃最旧数据）