1. 校园外卖服务系统概述
校园外卖服务系统是一款基于前后端分离架构的订餐平台，专为高校场景设计开发。这个系统解决了传统校园餐饮服务中的几个痛点：食堂高峰期排队拥挤、校外外卖配送无法进入校园、学生订餐选择有限等问题。我在实际开发中发现，校园场景对系统有着特殊要求：需要支持短距离精准配送（通常不超过2公里）、课间时段的高并发订单处理、以及符合学生消费习惯的优惠活动体系。
技术栈选型上，后端采用SpringBoot框架（2.7.x版本）主要考虑到其快速开发特性和对微服务的良好支持。前端选择Vue3组合式API开发模式，利用其响应式特性提升用户交互体验。持久层使用MyBatis-Plus 3.5.x，既保持了MyBatis的灵活性，又通过增强功能简化了CRUD操作。数据库采用MySQL 8.0，主要看中其事务处理能力和对JSON数据类型的支持。
提示：校园场景的特殊性在于用户群体高度集中且行为模式可预测，这对系统设计既是优势（如缓存命中率高）也是挑战（如课间时段的流量尖峰）
2. 系统架构设计解析
2.1 前后端分离架构实现
系统采用典型的前后端分离架构，通过RESTful API进行数据交互。在实践中我设计了三种接口认证方案：
- JWT基础方案：适合大多数查询类接口
- JWT+Redis会话方案：用于需要强制下线的安全敏感操作
- 本地缓存令牌方案：针对高频访问的公共数据接口
跨域处理采用后端CORS配置结合Nginx反向代理的方式。特别需要注意的是，在开发环境中要配置Webpack devServer的proxyTable，而在生产环境则通过Nginx的location规则实现接口转发。以下是一个典型的Nginx配置片段：
nginx复制location /api/ {
proxy_pass http://backend-server;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_connect_timeout 300s;
proxy_send_timeout 300s;
proxy_read_timeout 300s;
}
2.2 数据库设计与优化
MySQL数据库设计遵循了第三范式，但针对高频查询做了适当的反范式优化。主要包含以下核心表：
- 用户表（user）：采用垂直分表设计，将基础信息与隐私信息分离
- 商铺表（shop）：包含地理位置GIS数据，支持距离排序查询
- 商品表（product）：使用JSON字段存储规格参数
- 订单表（order）：采用分库分表设计策略，按学期分库、按月分表
针对校园场景的特殊查询需求，我对几个关键表添加了复合索引：
sql复制ALTER TABLE `order` ADD INDEX `idx_user_time` (`user_id`, `create_time`);
ALTER TABLE `shop` ADD SPATIAL INDEX `idx_location` (`location`);
3. 核心功能模块实现
3.1 商铺与商品管理
商铺管理模块采用RBAC权限模型，支持多级商户管理员角色。商品管理实现了：
- 批量导入导出功能（基于EasyExcel）
- 多规格SKU管理（使用JSON Schema定义）
- 定时上下架功能（基于Spring Scheduled）
商品搜索功能结合了Elasticsearch和MySQL全文索引，采用如下混合查询策略：
java复制public Page<Product> searchProducts(String keyword, Long shopId) {
// 先走ES查询ID列表
List<Long> ids = elasticsearchTemplate.searchIds(keyword);
// 再用MySQL IN查询保证事务一致性
return lambdaQuery()
.in(Product::getId, ids)
.eq(shopId != null, Product::getShopId, shopId)
.page(new Page<>(pageNum, pageSize));
}
3.2 订单业务流程设计
订单系统采用状态机模式管理订单生命周期，定义了12个状态节点和对应的状态转换规则。支付流程对接了校园一卡通和主流第三方支付平台，关键代码如下：
java复制@Transactional
public Order createOrder(OrderDTO dto) {
// 1. 校验库存
checkInventory(dto.getItems());
// 2. 创建订单（状态：待支付）
Order order = buildOrder(dto);
orderMapper.insert(order);
// 3. 扣减库存（乐观锁实现）
reduceInventory(dto.getItems());
// 4. 发送延迟消息（15分钟未支付自动取消）
rocketMQTemplate.asyncSend("order-timeout", order.getId(),
new SendCallback(){...});
return order;
}
针对校园场景的高并发订餐需求，我特别设计了以下优化措施：
- 采用Redis+Lua实现库存扣减原子操作
- 订单表按学期分库，减轻单表压力
- 热点数据使用多级缓存（Caffeine+Redis）
4. 特殊场景解决方案
4.1 配送路径规划算法
校园外卖配送有其特殊性：配送范围小（通常<2km）、路径固定（主要教学楼和宿舍楼）、时段集中（午晚餐时间）。我实现了一套基于校园地图的路径规划算法：
- 将校园划分为多个配送区域（Zone）
- 为每个配送员分配主Zone
- 采用贪心算法进行订单批量分配
- 实时路径动态调整（基于Redis GEO）
核心算法逻辑如下：
java复制public List<DeliveryTask> assignOrders(List<Order> orders) {
// 1. 按区域分组订单
Map<String, List<Order>> zoneOrders = orders.stream()
.collect(groupingBy(this::locateZone));
// 2. 为每个区域分配配送员
return zoneOrders.entrySet().stream()
.map(entry -> {
Rider rider = findAvailableRider(entry.getKey());
return buildTask(rider, entry.getValue());
})
.collect(toList());
}
4.2 高并发场景应对
课间时段的订单高峰可达平时流量的10倍以上。我通过以下措施保障系统稳定性：
-
服务降级方案：
- 关闭非核心功能（如菜品评价）
- 简化推荐算法逻辑
- 启用静态兜底数据
-
流量控制措施：
- 网关层限流（Sentinel配置QPS阈值）
- 业务层排队（Redis List实现）
- 前端请求退避（指数退避算法）
-
缓存策略优化：
- 热点数据本地缓存（Caffeine）
- 分布式锁优化（Redisson看门狗机制）
- 缓存预热（定时任务+人工触发）
5. 部署与监控方案
5.1 容器化部署实践
系统采用Docker Compose进行服务编排，主要包含以下服务：
- 后端服务（SpringBoot应用）
- 前端服务（Nginx托管Vue项目）
- MySQL集群（一主两从）
- Redis哨兵集群
- Elasticsearch节点
我特别编写了健康检查脚本，用于监控各服务状态：
bash复制#!/bin/bash
services=("backend:8080/health" "mysql:3306" "redis:6379")
for service in "${services[@]}"; do
IFS=':' read -ra ADDR <<< "$service"
if ! nc -z ${ADDR[0]} ${ADDR[1]}; then
echo "Service ${ADDR[0]} is down!" | mail -s "Alert" admin@example.com
fi
done
5.2 监控与日志收集
搭建了基于Prometheus+Grafana的监控平台，重点关注以下指标：
- 应用指标：JVM内存、GC次数、线程池状态
- 业务指标：订单创建成功率、平均响应时间
- 系统指标：CPU负载、内存使用率、磁盘IO
日志收集采用ELK方案，通过Logstash的Grok模式解析业务日志：
text复制input {
file {
path => "/var/log/application.log"
start_position => "beginning"
}
}
filter {
grok {
match => { "message" => "%{TIMESTAMP_ISO8601:timestamp} %{LOGLEVEL:level} %{NUMBER:pid} --- \[%{DATA:thread}\] %{DATA:class} : %{GREEDYDATA:msg}" }
}
}
6. 开发中的经验总结
在项目开发过程中，我积累了几个关键经验点值得分享：
-
MyBatis动态SQL的最佳实践：
- 对于复杂查询，使用
<script>标签包裹原生SQL - 批量操作优先选择
<foreach>标签而非ExecutorType.BATCH - 结果映射尽量使用
@ResultMap注解而非XML配置
- 对于复杂查询，使用
-
Vue3组合式API的使用技巧：
- 将相关逻辑抽离为自定义hook（如useOrder）
- 使用watchEffect处理自动依赖收集
- 利用Teleport实现全局弹窗
-
SpringBoot的配置优化：
- 生产环境关闭Actuator敏感端点
- 合理配置Tomcat连接池参数
- 使用@ConfigurationProperties替代@Value
-
跨端兼容性处理：
- 微信小程序端需要特殊处理登录流程
- H5页面适配不同移动设备屏幕
- PC管理后台采用响应式布局
这个项目让我深刻体会到，校园场景的系统开发既要考虑互联网产品的通用特性，又要针对特定用户群体的使用习惯做深度优化。比如在支付环节，除了常规的微信/支付宝支付外，对接校园一卡通系统能显著提升用户体验；在推送通知方面，结合课程表数据智能预测用户用餐时间，可以实现更精准的消息触达