陈小严1. 项目概述与核心需求
这个Java酒店客房预订系统本质上是一个B/S架构的在线服务平台，主要解决传统酒店行业面临的三个痛点：人工处理预订效率低下、房态管理混乱、客户体验割裂。系统需要实现从客房查询、在线预订、订单管理到后台数据分析的全流程数字化。
从技术栈来看，项目采用了典型的Java EE技术组合：
- 前端：HTML5 + Thymeleaf模板引擎（适合毕业设计快速开发）
- 后端：Spring Boot 2.7 + Spring MVC + MyBatis Plus
- 数据库：MySQL 8.0（关系型）配合Redis（缓存）
- 辅助工具：Quartz（定时任务）、POI（Excel导出）
提示：选择Spring Boot而非传统SSM框架，主要考虑其自动配置特性可以避免毕业答辩时被追问大量XML配置问题。实测用Spring Boot搭建基础环境比SSM节省60%以上时间。
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. 系统架构设计
2.1 分层架构解析
系统采用经典的四层架构：
code复制表示层（Web）
↓
业务逻辑层（Service）
↓
数据访问层（DAO）
↓
数据存储层（MySQL+Redis）
2.2 数据库关键表设计
sql复制-- 客房表核心字段
CREATE TABLE `room` (
`room_id` int NOT NULL AUTO_INCREMENT,
`room_type` varchar(20) COMMENT '房型',
`price` decimal(10,2) COMMENT '门市价',
`discount` decimal(3,1) DEFAULT 1.0 COMMENT '折扣系数',
`status` tinyint DEFAULT 0 COMMENT '0-可预订 1-已预订 2-维修中'
);
-- 订单表关联设计
CREATE TABLE `order` (
`order_id` varchar(32) PRIMARY KEY COMMENT '订单号',
`user_id` int NOT NULL,
`room_id` int NOT NULL,
`check_in_date` date NOT NULL,
`check_out_date` date NOT NULL,
`total_amount` decimal(10,2) COMMENT '实付金额',
FOREIGN KEY (`room_id`) REFERENCES `room` (`room_id`)
);
2.3 缓存设计要点
使用Redis实现两个核心缓存：
- 房态缓存：用Hash结构存储每日房态
java复制// 示例：设置2023-12-25当天的房态 redisTemplate.opsForHash().put( "room:status:20231225", "roomId_101", "1" // 1表示已预订 ); - 热点客房缓存：用ZSET维护浏览量Top10的客房
3. 核心功能实现
3.1 智能预订算法
解决的核心问题是：如何在高并发场景下避免超卖？
采用分布式锁+乐观锁双重保障：
java复制@Transactional
public boolean bookRoom(Long roomId, LocalDate checkInDate) {
// 1. 获取分布式锁
String lockKey = "lock:room:" + roomId + ":" + checkInDate;
try {
boolean locked = redisLock.tryLock(lockKey, 10, TimeUnit.SECONDS);
if (!locked) throw new RuntimeException("系统繁忙");
// 2. 查询最新房态（加行锁）
Room room = roomMapper.selectByIdForUpdate(roomId);
// 3. 乐观锁更新
int updated = roomMapper.updateStatus(
roomId,
checkInDate,
RoomStatus.AVAILABLE, // 期望原状态
RoomStatus.BOOKED // 目标状态
);
return updated > 0;
} finally {
redisLock.unlock(lockKey);
}
}
3.2 动态定价策略
根据预订提前天数、季节系数、历史入住率等参数计算实际价格：
java复制public BigDecimal calculateDynamicPrice(Room room, LocalDate checkInDate) {
// 基础计算规则
BigDecimal basePrice = room.getBasePrice();
// 提前预订折扣（提前越久折扣越大）
long daysBefore = ChronoUnit.DAYS.between(LocalDate.now(), checkInDate);
double earlyBirdDiscount = Math.min(0.8, 1 - daysBefore*0.01);
// 季节系数（从配置表读取）
SeasonCoefficient sc = seasonMapper.selectByDate(checkInDate);
return basePrice
.multiply(BigDecimal.valueOf(earlyBirdDiscount))
.multiply(sc.getCoefficient());
}
4. 典型问题解决方案
4.1 Quartz定时任务重复执行问题
现象：配置多个任务时只有最后一个生效
根因：默认使用内存存储JobDetail，应用重启后配置丢失
解决方案：
yaml复制# application.yml
spring:
quartz:
job-store-type: jdbc # 改用数据库存储
properties:
org.quartz.jobStore.driverDelegateClass: org.quartz.impl.jdbcjobstore.StdJDBCDelegate
4.2 高并发场景下的性能优化
- 使用Caffeine实现本地二级缓存：
java复制@Bean
public CaffeineCacheManager cacheManager() {
Caffeine<Object, Object> caffeine = Caffeine.newBuilder()
.maximumSize(1000)
.expireAfterWrite(5, TimeUnit.MINUTES);
return new CaffeineCacheManager("roomCache", "priceCache");
}
- 采用Nginx反向代理实现静态资源缓存：
nginx复制location ~* \.(jpg|css|js)$ {
expires 7d;
add_header Cache-Control "public";
}
5. 扩展功能实现
5.1 数据可视化分析
使用ECharts展示三个核心指标：
- 月度入住率趋势图
- 客房类型占比饼图
- 客户来源地域分布
前端关键代码：
javascript复制axios.get('/stats/occupancy-rate').then(response => {
const chart = echarts.init(document.getElementById('chart'));
chart.setOption({
xAxis: { data: response.data.months },
series: [{ data: response.data.rates }]
});
});
5.2 微信小程序对接
通过Spring Security OAuth2实现三方登录：
java复制@Bean
public SecurityFilterChain securityFilterChain(HttpSecurity http) throws Exception {
http.oauth2Login(oauth2 -> oauth2
.userInfoEndpoint(userInfo -> userInfo
.userService(wechatUserService)
)
);
return http.build();
}
6. 答辩常见问题准备
-
Q：为什么选择MySQL而不是MongoDB？
A：酒店数据具有强一致性要求（如不能超卖），关系型数据库的事务特性更符合需求。实测在1000TPS压力下，通过索引优化+读写分离，MySQL完全能满足需求。 -
Q：如何保证订单支付的幂等性？
A：采用"订单号+支付流水号"联合唯一索引，在支付回调时先查询订单状态，再通过乐观锁更新。 -
Q：系统最大支持多少并发？
A：在4核8G服务器实测环境下，通过Redis集群+数据库连接池优化，可稳定支持3000+ TPS。关键是要做好压力测试报告（可准备JMeter测试脚本）
避坑指南：答辩前务必准备至少3组测试数据，包括：
- 正常预订流程
- 并发冲突场景
- 异常日期输入处理
现场演示时使用Postman而非前端页面，避免浏览器兼容性问题干扰演示