1. 项目概述
这个基于B/S架构的自助旅游推荐系统是我在毕业设计期间完成的一个实战项目。作为一个旅游爱好者和Java开发者，我一直想打造一个能够根据用户偏好智能推荐旅游路线的平台。系统采用主流的Java技术栈实现，前后端分离架构，整合了协同过滤推荐算法，为游客提供个性化的旅游路线推荐服务。
项目从需求分析到最终上线测试历时4个月，期间遇到了不少技术挑战，比如推荐算法的准确度优化、高并发场景下的系统稳定性等问题。通过这个项目，我不仅巩固了Java Web开发的核心技能，还对推荐系统领域有了更深入的理解。
2. 技术选型与架构设计
2.1 技术栈选择
在技术选型上，我主要考虑了以下几个因素：
- 开发效率：选择成熟的框架可以加快开发进度
- 社区支持：选择有活跃社区的技术栈便于解决问题
- 性能需求：需要支撑一定规模的用户访问量
最终确定的技术方案：
- 后端：Spring Boot 2.7 + MyBatis Plus
- 前端：Vue 3 + Element Plus
- 数据库：MySQL 8.0
- 缓存：Redis 6.2
- 搜索引擎：Elasticsearch 7.17
- 推荐算法：基于用户的协同过滤
提示：Spring Boot的自动配置特性大大简化了项目初始配置工作，MyBatis Plus的代码生成器可以快速生成基础CRUD代码，这两个选择为项目节省了大量时间。
2.2 系统架构设计
系统采用典型的三层架构：
- 表现层：Vue前端负责用户交互
- 业务逻辑层：Spring Boot处理核心业务
- 数据访问层：MyBatis Plus操作数据库
为了提升系统性能，特别引入了：
- Redis缓存热门景点数据
- Elasticsearch实现景点快速检索
- Nginx做反向代理和负载均衡
架构图如下（伪代码表示）：
code复制[浏览器]
↓
[Nginx] → 负载均衡
↓
[Vue前端]
↓
[Spring Boot] → [Redis缓存]
↓
[MySQL] ↔ [Elasticsearch]
3. 核心功能实现
3.1 用户管理模块
用户模块采用RBAC权限模型，主要包含以下功能：
- 用户注册/登录（JWT认证）
- 个人信息管理
- 收藏夹功能
- 浏览历史记录
关键代码片段：
java复制// 用户注册逻辑
public Result register(User user) {
// 验证用户名是否已存在
if(userMapper.selectCount(new QueryWrapper<User>()
.eq("username", user.getUsername())) > 0) {
return Result.error("用户名已存在");
}
// 密码加密存储
user.setPassword(DigestUtils.md5DigestAsHex(user.getPassword().getBytes()));
userMapper.insert(user);
return Result.success();
}
3.2 旅游推荐模块
推荐系统是本项目的核心，实现流程：
- 用户行为数据收集（浏览、收藏、评分）
- 用户画像构建
- 相似用户计算
- 推荐结果生成
采用基于用户的协同过滤算法，核心公式：
code复制用户相似度 =
Σ(用户A评分项i × 用户B评分项i) /
(√Σ用户A评分² × √Σ用户B评分²)
实际实现时做了以下优化：
- 引入时间衰减因子，更重视近期行为
- 对热门景点进行降权处理
- 设置最小共同评分项阈值
4. 系统测试与优化
4.1 功能测试
使用Postman对API进行测试，主要验证：
- 用户注册登录流程
- 景点检索功能
- 推荐结果相关性
- 行程规划功能
测试用例表示例：
| 测试项 | 输入 | 预期输出 | 实际结果 |
|---|---|---|---|
| 用户登录 | 正确用户名密码 | 返回token | 通过 |
| 景点搜索 | "长城" | 相关景点列表 | 通过 |
| 推荐结果 | 历史浏览数据 | 个性化推荐 | 通过 |
4.2 性能测试
使用JMeter进行压力测试，主要指标：
- 并发用户数：1000
- 平均响应时间：<500ms
- 错误率：<0.1%
测试发现的问题及解决方案：
- 景点搜索接口响应慢 → 引入Elasticsearch
- 推荐计算耗时 → 预计算+缓存推荐结果
- 数据库连接不足 → 配置连接池
5. 开发经验分享
5.1 遇到的典型问题
- 推荐结果不够精准
- 原因：用户行为数据稀疏
- 解决方案：引入内容相似度作为补充
- 系统部署后性能下降
- 原因：未配置JVM参数
- 解决方案：调整-Xms和-Xmx参数
- 跨域问题
- 原因：前后端分离架构
- 解决方案：配置CORS过滤器
5.2 实用技巧
- 开发环境搭建
- 使用Docker容器化MySQL和Redis
- 配置Maven多环境profile
- 使用Lombok减少样板代码
- 调试技巧
- 使用Arthas进行线上调试
- 配置Logback分级日志
- 使用Swagger生成API文档
- 性能优化
- 合理使用@Cacheable注解
- 批量操作代替循环单次操作
- 异步处理耗时任务
6. 项目总结
这个旅游推荐系统项目让我收获颇丰，不仅实践了Java全栈开发的全流程，还深入理解了推荐系统的实现原理。最大的体会是：理论算法和实际业务之间存在差距，需要根据具体场景不断调整和优化。
对于想开发类似系统的同学，我有几点建议：
- 前期做好充分的需求分析和技术调研
- 推荐算法不要追求复杂，适合的才是最好的
- 重视系统监控和日志记录
- 测试环节不能马虎，特别是性能测试
项目还有不少可以改进的地方，比如引入更多推荐策略、增加社交功能、优化移动端体验等。这些都可以作为后续迭代的方向。