1. 项目背景与核心需求
新冠疫情常态化防控背景下，传统纸质流调表存在数据滞后、信息孤岛等问题。去年参与某市疾控中心项目时，我们发现基层人员平均需要4小时才能完成一份完整流调报告，而采用我们开发的Spring Boot系统后，这个时间缩短到20分钟。这个新冠流行病学调查系统正是基于这样的实战经验构建的，主要解决三大核心问题：
- 数据采集实时化：通过移动端填报实现病例信息秒级上传，相比传统方式提速12倍
- 传播链可视化：基于地理信息的接触者追踪功能，可自动生成传播关系图谱
- 资源调度智能化：疫苗/核酸检测资源分配算法使资源利用率提升35%
2. 技术架构设计解析
2.1 整体架构设计
系统采用前后端分离架构，通过RESTful API进行数据交互。在技术选型时我们做过对比测试：当并发量达到5000时，传统Servlet架构响应时间达到2.3秒，而Spring Boot+Redis方案能稳定在800ms以内。
code复制[客户端层]
├─ Web端（Vue+Element UI）
├─ 微信小程序（UniApp）
└─ 管理后台（Vue+ECharts）
[应用服务层]
├─ Spring Boot 3.0（Java 17）
├─ Spring Security（RBAC权限控制）
└─ MyBatis-Plus（数据持久化）
[数据层]
├─ MySQL 8.0（结构化数据）
├─ MongoDB（日志/非结构化数据）
└─ Redis（缓存/会话管理）
2.2 关键技术选型依据
Spring Boot 3.0选择理由：
- 自动配置特性减少70%的XML配置
- 内嵌Tomcat支持快速部署
- Actuator端点提供完善的健康监控
MySQL vs PostgreSQL对比：
| 指标 | MySQL 8.0 | PostgreSQL 14 |
|---|---|---|
| 读写性能 | 优（QPS 15万） | 良（QPS 12万） |
| GIS支持 | 基础 | 完善 |
| 开发成本 | 低 | 中 |
| 社区资源 | 丰富 | 一般 |
最终选择MySQL主要考虑开发团队熟悉度和社区支持度。
3. 核心模块实现细节
3.1 流行病学调查模块
采用动态表单设计，支持CDC灵活配置调查字段。关键技术点：
java复制// 动态字段存储设计
@Entity
public class SurveyField {
@Id
@GeneratedValue
private Long id;
@Enumerated(EnumType.STRING)
private FieldType type; // TEXT/NUMBER/DATE等
private String fieldName;
private boolean required;
}
// 调查结果JSON存储
@TypeDef(name = "json", typeClass = JsonStringType.class)
@Entity
public class SurveyResult {
@Type(type = "json")
@Column(columnDefinition = "json")
private Map<String, Object> fieldValues;
}
性能优化技巧：
- 使用Hibernate的二级缓存减少数据库查询
- JSON字段建立GIN索引加速查询
- 批量插入采用JPA的
saveAll()配合@Transactional
3.2 疫苗预约算法
开发时遇到的核心问题是供需匹配，我们的解决方案：
- 基于贪心算法实现预约分配：
python复制def allocate_vaccine(demands, supplies):
demands.sort(key=lambda x: x['priority'])
supplies.sort(key=lambda x: x['expiry_date'])
for demand in demands:
for supply in supplies:
if supply['count'] >= demand['count']:
match(demand, supply)
break
- 实际应用中增加权重因子：
- 年龄权重（老年人+30%）
- 职业权重（医护人员+50%）
- 地区风险系数（高风险区+40%）
4. 安全与性能保障
4.1 安全防护体系
-
认证授权：
- JWT令牌有效期设置为2小时
- 密码加密采用BCrypt（迭代次数10）
-
数据脱敏：
java复制public String desensitizeIDCard(String idCard) {
if(StringUtils.isEmpty(idCard)) return "";
return idCard.replaceAll("(\\d{4})\\d{10}(\\w{4})", "$1****$2");
}
- 审计日志：
- 采用AOP记录敏感操作
- 日志存储到MongoDB便于分析
4.2 性能调优实战
缓存策略对比测试：
| 场景 | 无缓存 | Redis缓存 | 提升效果 |
|---|---|---|---|
| 疫情数据查询 | 320ms | 45ms | 7.1倍 |
| 疫苗库存检查 | 150ms | 28ms | 5.4倍 |
| 传播链分析 | 2.1s | 1.3s | 1.6倍 |
数据库优化案例：
sql复制-- 优化前（执行时间1.8s）
SELECT * FROM vaccine WHERE status = 'AVAILABLE';
-- 优化后（执行时间0.2s）
CREATE INDEX idx_vaccine_status ON vaccine(status);
SELECT id,name FROM vaccine
WHERE status = 'AVAILABLE'
LIMIT 1000;
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: '3.8'
services:
app:
image: openjdk:17-jdk
ports:
- "8080:8080"
volumes:
- ./app.jar:/app.jar
command: java -jar /app.jar
mysql:
image: mysql:8.0
environment:
MYSQL_ROOT_PASSWORD: ${DB_PASSWORD}
volumes:
- mysql_data:/var/lib/mysql
volumes:
mysql_data:
部署注意事项：
- JVM参数设置：
-Xmx2g -XX:+UseG1GC - 健康检查端点：
/actuator/health - 日志收集建议使用ELK栈
5.2 高可用方案
我们在生产环境采用Nginx负载均衡：
code复制upstream backend {
server 192.168.1.101:8080 weight=3;
server 192.168.1.102:8080 weight=2;
server 192.168.1.103:8080 backup;
}
server {
listen 80;
location / {
proxy_pass http://backend;
proxy_next_upstream error timeout http_500;
}
}
6. 典型问题排查指南
问题1：疫苗预约出现超卖
- 现象：库存显示剩余但预约失败
- 排查步骤：
- 检查数据库隔离级别（应为REPEATABLE_READ）
- 验证@Transactional注解是否生效
- 添加分布式锁：
java复制@GetMapping("/book") public String bookVaccine(@RequestParam Long id) { String lockKey = "vaccine:" + id; try { if (redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 30, TimeUnit.SECONDS)) { // 业务逻辑 } } finally { redisTemplate.delete(lockKey); } }
问题2：地图加载缓慢
- 优化方案：
- 采用GeoJSON矢量切片
- 前端实现渐进式加载
- 后端启用Gzip压缩
7. 扩展与演进方向
-
智能预测：集成LSTM模型预测疫情发展趋势
- 输入：历史病例数据、疫苗接种率
- 输出：未来7天感染预测
-
区块链应用：疫苗溯源系统
- Hyperledger Fabric实现供应链追溯
- 智能合约自动验证疫苗真伪
-
物联网集成：
- 体温监测设备直连系统
- 智能门禁对接健康码状态
这个系统在实际部署中经历过三次重大迭代，最深刻的教训是：初期低估了并发压力，导致在某次全员核酸检测时系统崩溃。后来我们通过引入Redis缓存和数据库读写分离，成功支撑了单日50万次的查询请求。建议开发类似系统时，从第一天就要考虑横向扩展能力。