1. 项目概述:在线学习平台的架构演进
十年前我刚入行时,参与的第一个教育项目还是单体架构的PHP系统。如今这个基于SpringCloud+Vue的分布式在线学习平台,已经能支撑日均10万+的并发学习行为分析。这个项目最核心的创新点在于将知识图谱与学习行为分析深度整合,形成了真正的智能化学习闭环。
平台采用前后端分离架构,后端使用SpringBoot+SpringCloud构建的微服务体系,前端采用Vue3+Element Plus实现响应式管理后台。知识图谱模块基于Neo4j图数据库构建,学习行为分析则依托Flink实时计算框架。整套系统在阿里云K8s集群上运行,通过Prometheus+Grafana实现全链路监控。
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. 技术架构设计解析
2.1 微服务拆分策略
我们按照DDD领域驱动设计原则,将系统拆分为六个核心服务:
- 用户中心服务(含权限体系)
- 课程管理服务
- 学习行为采集服务
- 知识图谱服务
- 实时分析服务
- 报表中心服务
每个服务都包含独立的MySQL实例,通过Canal实现binlog日志的实时同步。服务间通信采用Dubbo+Zookeeper方案,相比SpringCloud原生的Feign,在性能上提升了约40%。
关键决策:学习行为采集服务之所以独立部署,是因为需要处理高频的埋点数据。我们测试发现,当QPS超过5000时,与其他服务混布会导致GC频繁。
2.2 知识图谱构建方案
知识图谱的构建分为三个层次:
- 基础层:使用Stanford CoreNLP进行课程文本的实体识别
- 关系层:基于依存句法分析提取实体关系
- 应用层:通过GraphQL对外提供图谱查询接口
java复制// Neo4j图谱构建示例
@Repository
public interface KnowledgeGraphRepository extends Neo4jRepository<KnowledgeNode, Long> {
@Query("MATCH (n:Concept)-[r:RELATED_TO]->(m:Concept) WHERE n.name = $name RETURN m")
List<KnowledgeNode> findRelatedConcept
