Spring Boot选课系统开发与高并发优化实践-代码聚汇网

Spring Boot选课系统开发与高并发优化实践

Jonna轩姐

1. 项目背景与核心需求

高校学生选课管理是教务工作中的重要环节，传统手工操作模式存在效率低下、容易出错等问题。随着高校扩招和学分制改革的推进，开发一套稳定可靠的选课管理系统成为刚需。基于Spring Boot框架的选课系统能够有效解决以下痛点：

选课高峰期服务器崩溃问题（如某校曾出现2000人同时在线选课导致系统瘫痪）
人工排课容易出现的课程时间冲突
学生跨专业选课资格审核困难
实时选课数据统计缺失

我在实际开发中发现，一个合格的选课系统需要同时满足三类用户需求：

学生需要简洁的选课界面和实时结果反馈
教师需要便捷的课程管理和成绩录入功能
教务人员需要完善的统计报表和冲突检测机制

2. 技术架构设计

2.1 整体技术栈选型

采用Spring Boot 2.7 + MyBatis Plus + Redis + Vue.js的前后端分离架构。这个组合的选择基于以下考量：

Spring Boot的自动配置特性可快速搭建微服务架构
MyBatis Plus的代码生成器能节省80%的基础CRUD开发时间
Redis应对选课高峰期的并发请求（实测可支撑3000+TPS）
Vue.js提供响应式前端体验

java复制// 典型Controller层代码结构
@RestController
@RequestMapping("/course")
public class CourseController {
    @Autowired
    private CourseService courseService;
    
    @GetMapping("/list")
    public Result list(CourseQuery query) {
        return Result.success(courseService.pageQuery(query));
    }
}

2.2 数据库设计要点

核心表包括：

学生表（student）
教师表（teacher）
课程表（course）
选课记录表（selection）
教室表（classroom）

特别注意的字段设计：

课程表增加remaining_seats字段（带乐观锁版本号）
选课记录表建立(student_id, course_id)唯一索引
使用tinyint(1)存储布尔类型状态

重要提示：必须为选课操作添加事务注解，避免超选问题：
@Transactional(rollbackFor = Exception.class)

3. 核心功能实现

3.1 高并发选课控制

采用Redis分布式锁 + 乐观锁双重保障：

先获取课程剩余名额（带版本号）
使用Redis SETNX命令加锁（设置3秒过期）
执行库存扣减（version字段校验）
记录选课日志

java复制public Result selectCourse(Long studentId, Long courseId) {
    String lockKey = "lock:course:" + courseId;
    try {
        // 获取分布式锁
        Boolean locked = redisTemplate.opsForValue()
            .setIfAbsent(lockKey, "1", 3, TimeUnit.SECONDS);
        if (!locked) return Result.fail("操作太频繁");
        
        // 乐观锁更新
        int updated = courseMapper.updateRemainingSeats(
            courseId, 
            new UpdateWrapper<Course>()
                .gt("remaining_seats", 0)
                .eq("version", version));
        if (updated == 0) return Result.fail("课程已满");
        
        // 记录选课关系
        selectionMapper.insert(new Selection(studentId, courseId));
        return Result.success();
    } finally {
        redisTemplate.delete(lockKey);
    }
}

3.2 冲突检测算法

时间冲突检测采用线段树算法：

将每周时间划分为48个半小时段（8:00-22:00）
将课程时间转换为区间数组
查询学生已选课程的时间段
新课程时间段与已有区间进行交集检测

sql复制-- 冲突检测SQL示例
SELECT COUNT(*) FROM selection s
JOIN course c ON s.course_id = c.id
WHERE s.student_id = #{studentId}
AND c.schedule_day = #{newDay}
AND (
    (c.start_time < #{newEnd} AND c.end_time > #{newStart})
)

4. 性能优化实践

4.1 缓存策略设计

采用三级缓存架构：

本地缓存（Caffeine）：存储静态课程信息
Redis缓存：存储动态选课数据
数据库：持久化存储

缓存更新策略：

课程基础信息：定时任务每天凌晨刷新
剩余名额：实时更新 + 5分钟过期
选课记录：写入时双写

4.2 数据库优化

索引优化：
- 课程表：建立(teacher_id, schedule_day)联合索引
- 选课表：建立(student_id, semester)联合索引
分表策略：
- 按学期分表（selection_2023_spring）
- 历史数据归档
SQL优化示例：

sql复制-- 优化前
SELECT * FROM course WHERE status = 1 ORDER BY create_time DESC

-- 优化后
SELECT id,name,teacher_id FROM course 
WHERE status = 1 AND id > #{lastId}
ORDER BY id ASC LIMIT 100

5. 典型问题解决方案

5.1 选课超卖问题

现象：多个请求同时选中最后一门课
解决方案：

前端限制：选课按钮点击后立即禁用
后端校验：数据库乐观锁控制
补偿机制：定时任务校验数据一致性

5.2 事务失效场景

常见陷阱：

同类方法调用（this.method()）
异常被捕获未抛出
数据库引擎不支持（如MyISAM）

正确写法：

java复制@Service
public class CourseServiceImpl implements CourseService {
    @Autowired
    private CourseService self; // 注入代理对象
    
    public void selectCourse() {
        self.doSelect(); // 通过代理对象调用
    }
    
    @Transactional
    public void doSelect() {
        // 事务操作
    }
}

5.3 跨专业选课审批

实现方案：

审批流引擎（Activiti）
状态机设计模式
审批记录表设计

java复制// 状态机示例
public enum ApprovalState {
    PENDING(0, "待审批"),
    APPROVED(1, "已通过"),
    REJECTED(2, "已拒绝");
    
    // 状态转换逻辑
    public boolean canTransferTo(ApprovalState target) {
        // ...
    }
}

6. 扩展功能建议

6.1 智能推荐系统

基于协同过滤算法：

收集历史选课数据
计算课程相似度矩阵
生成个性化推荐列表

python复制# 相似度计算示例（Python伪代码）
def cosine_sim(vec1, vec2):
    dot = sum(a*b for a,b in zip(vec1, vec2))
    norm = (sum(a**2 for a in vec1) * sum(b**2 for b in vec2)) ** 0.5
    return dot / norm

6.2 微信小程序集成

关键技术点：

微信登录对接
模板消息推送
小程序二维码生成

javascript复制// 小程序选课API调用示例
wx.request({
  url: 'https://api.xxx.com/course/select',
  method: 'POST',
  data: { courseId: 123 },
  success(res) {
    wx.showToast({ title: '选课成功' })
  }
})

7. 部署实施要点

7.1 服务器配置建议

生产环境最低配置：

应用服务器：2核4G × 2台（Docker部署）
Redis：1G内存独立实例
数据库：MySQL 5.7+，8核16G

关键参数配置：
spring.redis.timeout=3000
server.tomcat.max-threads=500

7.2 监控方案

必备监控项：

接口响应时间（Prometheus）
JVM内存使用（Grafana看板）
慢SQL监控（阿里云DAS）
选课成功率统计（自定义埋点）

告警阈值建议：

平均响应时间 > 500ms
错误率 > 0.5%
剩余内存 < 30%

8. 测试验证方法

8.1 压力测试方案

使用JMeter模拟场景：

200用户持续30分钟选课
500用户同时抢10个热门课程
混合场景（浏览+选课+退课）

关键指标要求：

错误率 < 0.1%
90%响应时间 < 1s
系统资源利用率 < 70%

8.2 数据一致性检查

定期执行校验脚本：

sql复制-- 检查选课人数与课程表不一致记录
SELECT c.id, c.remaining_seats, count(s.id) as actual 
FROM course c LEFT JOIN selection s ON c.id = s.course_id 
GROUP BY c.id HAVING c.remaining_seats != c.total_seats - actual

9. 项目演进方向

9.1 微服务改造

拆分方案：

课程服务（course-service）
选课服务（selection-service）
用户服务（user-service）
排课服务（scheduling-service）

技术栈升级：

Spring Cloud Alibaba
Nacos配置中心
Sentinel流控

9.2 大数据分析

建设方向：

选课热度实时大屏
课程关联规则挖掘
教学质量评估模型

技术方案：

Flink实时计算
Hive离线分析
ECharts可视化

在实际开发中，我发现选课系统的性能瓶颈往往出现在意想不到的地方。比如某次压力测试中，由于忘记给课程表的教师ID字段加索引，导致在展示课程列表时出现大量慢查询。这也提醒我们，在开发过程中要持续进行性能测试，而不是等到最后才做优化。