1. 项目概述
这个基于SpringBoot的旅游景点攻略平台是我去年指导的一个计算机专业毕业设计项目，编号44441。作为一个经常带学生做毕设的导师，我发现旅游类项目始终是学生们热衷的选择方向。这个平台不同于简单的景点信息展示网站，它整合了用户生成内容(UGC)、个性化推荐和社交互动功能，更贴近当下年轻人的旅行方式。
平台核心功能包括：景点信息管理、攻略分享、用户互动、智能推荐四大模块。后端采用SpringBoot+MyBatis技术栈，前端使用Vue+ElementUI，数据库选用MySQL。特别在推荐算法部分，我们实现了基于用户行为和标签的混合推荐策略，这也是项目区别于普通旅游网站的技术亮点。
2. 核心需求解析
2.1 解决的实际问题
传统旅游网站存在三个明显痛点：一是信息更新滞后，二是内容同质化严重，三是缺乏个性化服务。我们这个平台的设计目标就是解决这些问题：
- 信息时效性问题：通过用户贡献内容(UGC)模式，让最新的一手旅行体验能实时更新
- 内容个性化问题：引入标签系统和智能推荐算法，为不同用户呈现差异化内容
- 交互体验问题：设计点赞、收藏、评论等社交功能，增强用户粘性
2.2 目标用户画像
平台主要服务三类用户群体：
- 旅行爱好者：20-35岁的年轻群体，喜欢分享和发现新奇旅行路线
- 本地导游：需要通过平台展示专业服务和积累口碑
- 景区管理人员：需要维护官方信息和与游客互动
3. 技术架构设计
3.1 整体架构图
code复制[前端层]
Vue.js + ElementUI + Axios
│
[接入层]
Nginx反向代理
│
[应用层]
SpringBoot + SpringSecurity
│
[数据层]
MySQL + Redis + Elasticsearch
│
[算法层]
Python推荐算法服务
3.2 关键技术选型
- SpringBoot 2.7.x：简化配置，快速开发
- JWT认证：实现无状态鉴权，适合高并发场景
- Redis缓存：热点数据缓存，减轻数据库压力
- Elasticsearch：实现攻略内容的全文检索
- 协同过滤算法：基于用户的浏览和收藏行为进行推荐
技术选型心得：在毕业设计级别的项目中，建议选择成熟稳定的技术组合。我们放弃了一些新潮但学习成本高的技术（如GraphQL），确保学生在有限时间内能完成核心功能。
4. 核心功能实现
4.1 景点信息管理模块
java复制// 景点实体类核心字段设计
@Entity
public class Attraction {
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
private Long id;
private String name;
private String location;
@Column(columnDefinition = "TEXT")
private String description;
@ElementCollection
private Set<String> tags; // 用于推荐系统的标签
@OneToMany(mappedBy = "attraction")
private List<Review> reviews;
// 省略getter/setter
}
关键实现点：
- 采用富文本编辑器（WangEditor）支持图文混排
- 实现分级审核机制，确保内容质量
- 设计智能标签系统，自动提取关键词
4.2 攻略分享系统
sql复制-- 攻略表设计
CREATE TABLE `travel_guide` (
`id` bigint NOT NULL AUTO_INCREMENT,
`user_id` bigint NOT NULL,
`title` varchar(100) NOT NULL,
`content` longtext NOT NULL,
`view_count` int DEFAULT '0',
`like_count` int DEFAULT '0',
`status` tinyint DEFAULT '1' COMMENT '1-待审核 2-已发布 3-已下架',
`create_time` datetime DEFAULT CURRENT_TIMESTAMP,
PRIMARY KEY (`id`),
FULLTEXT KEY `ft_idx` (`title`,`content`) WITH PARSER ngram
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
实现技巧：
- 使用MySQL的ngram分词插件支持中文全文检索
- 实现Markdown和富文本双编辑器支持
- 设计草稿自动保存功能（每30秒自动保存到localStorage）
4.3 推荐算法实现
python复制# 混合推荐算法示例
def hybrid_recommend(user_id, top_n=5):
# 基于内容的推荐
cb_rec = content_based(user_id)
# 协同过滤推荐
cf_rec = collaborative_filtering(user_id)
# 热度补充
hot_rec = get_hot_attractions()
# 混合策略
recommendations = merge_strategy(cb_rec, cf_rec, hot_rec)
return recommendations[:top_n]
算法优化点：
- 冷启动问题：新用户采用"热门+随机"策略
- 数据稀疏性：使用SVD矩阵分解降维
- 实时性：用户行为实时更新特征向量
5. 项目部署方案
5.1 开发环境配置
- JDK 17：使用LTS版本保证稳定性
- MySQL 8.0：配置utf8mb4字符集支持emoji
- Redis 6.x：配置最大内存和淘汰策略
- Node.js 16.x：前端构建环境
避坑指南：MySQL 8.0默认的认证插件可能导致旧客户端连接失败，需要在my.cnf中添加default_authentication_plugin=mysql_native_password
5.2 生产环境部署
使用Docker Compose编排服务：
yaml复制version: '3'
services:
mysql:
image: mysql:8.0
environment:
MYSQL_ROOT_PASSWORD: ${DB_PASSWORD}
volumes:
- mysql_data:/var/lib/mysql
ports:
- "3306:3306"
redis:
image: redis:6-alpine
ports:
- "6379:6379"
app:
build: .
ports:
- "8080:8080"
depends_on:
- mysql
- redis
volumes:
mysql_data:
部署注意事项：
- 配置合理的JVM参数（-Xmx根据服务器内存调整）
- 使用Nginx配置HTTPS和静态资源缓存
- 设置日志轮转策略（推荐logrotate）
6. 常见问题解决方案
6.1 性能优化记录
问题现象：攻略列表页加载缓慢（>3s）
排查过程：
- 使用Arthas追踪发现多次查询景点详情
- 检查SQL日志发现N+1查询问题
- 确认未启用二级缓存
解决方案：
- 使用MyBatis的
<collection>标签优化关联查询 - 添加Redis缓存层
- 实现本地缓存（Caffeine）减轻Redis压力
优化后性能对比：
| 指标 | 优化前 | 优化后 |
|---|---|---|
| 平均响应时间 | 3200ms | 450ms |
| 数据库QPS | 120 | 15 |
| 99线 | 5800ms | 800ms |
6.2 典型报错处理
问题1：JWT令牌过期后无法刷新
解决方案：
- 实现双token机制（access_token + refresh_token）
- 前端拦截401错误自动发起刷新请求
- 后端设置合理的令牌过期时间（建议access_token 2小时，refresh_token 7天）
问题2：Elasticsearch中文分词不准
解决方案：
- 安装IK分词器插件
- 自定义词典补充旅游专业术语
- 使用pinyin插件支持拼音搜索
7. 毕业设计心得
这个项目有几个值得注意的实现细节：
-
敏感词过滤：使用DFA算法实现高效过滤，词典需要定期更新（特别要注意旅游场景特有的敏感词）
-
位置服务集成：
- 使用高德地图API实现周边景点推荐
- 注意坐标系的统一（国内用GCJ-02）
- 实现前端懒加载地图资源
-
数据统计：
java复制// 使用事件埋点收集用户行为 @Aspect @Component public class BehaviorAspect { @AfterReturning("execution(* com..controller..*(..))") public void logUserBehavior(JoinPoint jp) { // 异步记录到分析系统 } } -
安全防护：
- 使用Spring Security防止CSRF攻击
- 接口限流（Guava RateLimiter）
- 敏感操作二次验证
这个项目的完整源码已经整理在GitHub仓库（搜索编号44441），包含详细的设计文档和API说明。对于想做类似项目的同学，建议先从核心功能入手，逐步扩展，不要一开始就追求大而全。