lloydsheng1. 项目概述：旅行指南攻略游记系统的核心价值
这个基于SpringBoot的旅行指南攻略游记系统，本质上是一个垂直领域的UGC（用户生成内容）平台。我在实际开发中发现，这类系统最核心的价值在于解决了旅行信息"碎片化"和"可信度低"两大痛点。传统旅行者需要辗转多个平台查攻略、看点评、找路线，而这个系统通过结构化数据+社交化交互的设计，让所有需求一站式满足。
系统采用经典的三层架构：前端用Thymeleaf+ Bootstrap快速构建响应式界面，后端SpringBoot提供RESTful API，MySQL做数据持久化。特别要说明的是，在用户内容管理模块，我们创新性地引入了"旅行轨迹"概念——用户不仅能发布图文游记，还能通过时间轴+地图标记自动生成旅行路线图，这个功能后来成了项目的亮点。
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. 技术选型与架构设计
2.1 为什么选择SpringBoot全家桶
SpringBoot的自动配置特性让开发效率提升明显。实测从零搭建到第一个接口跑通，只用不到30分钟。具体依赖配置如下：
xml复制<dependencies>
<!-- 核心启动器 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- 数据库相关 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-data-jpa</artifactId>
</dependency>
<dependency>
<groupId>mysql</groupId>
<artifactId>mysql-connector-java</artifactId>
<scope>runtime</scope>
</dependency>
<!-- 模板引擎 -->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-thymeleaf</artifactId>
</dependency>
</dependencies>
踩坑提示：SpringBoot 2.7.x与Thymeleaf 3.1.x存在兼容性问题，建议锁定版本号。我们最终使用的是SpringBoot 2.6.4 + Thymeleaf 3.0.15组合。
2.2 数据库设计的三个关键决策
-
游记表的分表策略：核心表
travel_notes只存基础信息，内容正文放在note_details表中。这个设计使列表查询效率提升40% -
位置信息的存储方式：没有直接用MySQL的空间数据类型，而是存储经纬度+Geohash编码。实测在半径5km内的地点查询响应时间<200ms
-
用户关系的反范式设计：在
user_relations表外，还在用户主表冗余了粉丝数和关注数，避免频繁的COUNT操作
sql复制CREATE TABLE `travel_notes` (
`id` bigint NOT NULL AUTO_INCREMENT,
`user_id` bigint NOT NULL,
`title` varchar(100) NOT NULL,
`cover_image` varchar(255) DEFAULT NULL,
`start_date` date DEFAULT NULL,
`end_date` date DEFAULT NULL,
`view_count` int DEFAULT '0',
`like_count` int DEFAULT '0',
`status` tinyint DEFAULT '1',
`created_at` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP,
PRIMARY KEY (`id`),
KEY `idx_user` (`user_id`),
KEY `idx_date` (`start_date`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
3. 核心功能实现细节
3.1 游记发布的富文本处理
采用Editor.md作为富文本编辑器，但存储时做了特殊处理：
- 前端提交的HTML内容会经过Jsoup清洗，过滤危险标签
- 图片采用七牛云OSS存储，生成带时效的访问令牌
- 内容摘要自动提取前200个有效字符
java复制public String processContent(String rawHtml) {
// 安全过滤
String safeHtml = Jsoup.clean(rawHtml,
Whitelist.basicWithImages()
.addAttributes("img", "data-original", "alt")
);
// 图片处理
Document doc = Jsoup.parse(safeHtml);
Elements imgs = doc.select("img");
imgs.forEach(img -> {
String src = img.attr("src");
if(!src.startsWith("http")) {
String newUrl = qiniuService.upload(src);
img.attr("src", newUrl);
}
});
return doc.body().html();
}
3.2 旅行轨迹的算法实现
通过解析游记中的时间+地点信息，自动生成可视化轨迹：
- 使用Stanford CoreNLP进行地点实体识别
- 调用高德地图API获取经纬度
- 基于时间顺序生成路线图
java复制public List<Location> parseLocations(String content) {
List<Location> locations = new ArrayList<>();
// NLP识别地点
Properties props = new Properties();
props.setProperty("annotators", "tokenize,ssplit,pos,lemma,ner");
StanfordCoreNLP pipeline = new StanfordCoreNLP(props);
Annotation document = new Annotation(content);
pipeline.annotate(document);
// 提取地点实体
for(CoreMap sentence : document.get(CoreAnnotations.SentencesAnnotation.class)) {
for(CoreLabel token : sentence.get(CoreAnnotations.TokensAnnotation.class)) {
String ner = [token](https://taotoken.net?utm_source=general).get(CoreAnnotations.NamedEntityTagAnnotation.class);
if("LOCATION".equals(ner)) {
String placeName = token.word();
// 地理编码
GeoResult geo = amapService.geocode(placeName);
if(geo != null) {
locations.add(new Location(placeName, geo.getLng(), geo.getLat()));
}
}
}
}
return locations;
}
性能提示：地点识别比较耗CPU，建议异步处理。我们最终采用RabbitMQ实现削峰填谷，日均处理5000+篇游记无压力。
4. 典型问题排查实录
4.1 MySQL连接池耗尽问题
现象：系统运行一段时间后出现"HikariPool-1 - Connection is not available"错误。
排查过程：
- 查看连接数监控：发现峰值时活跃连接达到配置上限(默认10个)
- 分析慢查询日志：发现多个未加索引的JOIN查询
- 检查连接关闭情况：部分Service方法未加@Transactional导致连接未释放
解决方案：
- 优化SQL，为常用查询字段添加组合索引
- 调整连接池配置：
yaml复制spring:
datasource:
hikari:
maximum-pool-size: 20
idle-timeout: 600000
connection-timeout: 30000
- 统一添加事务管理注解
4.2 并发点赞的数据一致性问题
初期采用简单SQL更新：
sql复制UPDATE travel_notes SET like_count = like_count + 1 WHERE id = ?
在压力测试时发现计数不准确。最终解决方案：
- 改用Redis原子操作计数
- 定时任务同步到数据库
- 添加唯一索引防止重复点赞
java复制public void likeNote(Long userId, Long noteId) {
String key = "note:like:" + noteId;
String userKey = "user:like:" + userId + ":" + noteId;
// 使用Redis事务
redisTemplate.execute(new SessionCallback<>() {
@Override
public Object execute(RedisOperations operations) {
operations.multi();
operations.opsForSet().add(key, userId);
operations.opsForValue().set(userKey, "1", 24, TimeUnit.HOURS);
return operations.exec();
}
});
}
5. 部署与性能优化经验
5.1 生产环境部署方案
采用Docker Compose编排三个核心服务：
yaml复制version: '3'
services:
app:
image: travel-guide:1.0
ports:
- "8080:8080"
environment:
- SPRING_PROFILES_ACTIVE=prod
depends_on:
- redis
- mysql
mysql:
image: mysql:5.7
environment:
- MYSQL_ROOT_PASSWORD=123456
- MYSQL_DATABASE=travel
volumes:
- mysql_data:/var/lib/mysql
redis:
image: redis:6-alpine
ports:
- "6379:6379"
volumes:
- redis_data:/data
volumes:
mysql_data:
redis_data:
5.2 实测性能优化手段
通过JMeter压测对比不同优化方案效果：
| 优化措施 | QPS提升 | 平均响应时间下降 |
|---|---|---|
| 添加Redis缓存热门游记 | 220% | 65% |
| 启用Gzip压缩响应 | 30% | 15% |
| 静态资源CDN分发 | 40% | 25% |
| 数据库读写分离 | 180% | 50% |
最有效的三个优化点：
- 为
/api/notes/hot接口添加二级缓存（Redis + Caffeine） - 图片等静态资源迁移到CDN
- 数据库主从架构+分库分表
6. 毕设答辩技巧分享
基于这个项目参加答辩时，建议重点准备以下三个方面的内容：
-
技术深度展示：
- 用UML时序图展示点赞功能的完整调用链
- 对比不同缓存策略的性能测试数据
- 展示SQL优化前后的EXPLAIN结果对比
-
业务创新点：
- 演示旅行轨迹自动生成功能
- 展示基于用户行为的个性化推荐算法
- 介绍内容安全审核的流程设计
-
项目演进思考：
- 如果继续开发，会加入短视频功能
- 计划引入Elasticsearch实现智能搜索
- 考虑用Spring Cloud改造为微服务架构
最后给学弟学妹的建议：毕设代码一定要自己从头写，我们开源的只是基础框架。系统最值钱的部分其实是那些解决实际问题的细节设计，比如防刷机制、内容审核流程这些，这些才是答辩时的加分项。