1. 项目概述：SpringBoot心理健康测评系统
心理健康测评系统是基于SpringBoot框架开发的在线心理评估工具，主要用于学校、企业或医疗机构进行快速心理状态筛查。这个开源项目（源码ID 11145）采用经典的心理测量学模型，实现了用户管理、题库维护、自动测评报告生成等核心功能。
我在实际开发中发现，这类系统最关键的三个技术点是：1）动态题库的灵活配置 2）测评结果的科学算法 3）报告生成的易读性设计。下面就以这三个维度展开，分享这个项目的实现细节和避坑经验。
2. 核心功能模块解析
2.1 动态题库管理系统
题库采用MySQL存储，设计了五张核心表：
- question_base（题库主表）
- question_type（题型分类）
- question_option（选项表）
- scale_info（量表信息）
- dimension_rel（维度关联表）
关键实现代码片段：
java复制// 动态查询题库的JPA实现
public interface QuestionRepository extends JpaRepository<Question, Long> {
@Query("SELECT q FROM Question q WHERE q.scaleId = :scaleId AND q.status = 1")
List<Question> findActiveByScale(@Param("scaleId") Long scaleId);
@Query(value = "SELECT * FROM question_base WHERE dimension_id IN :dimIds", nativeQuery = true)
Page<Question> findByDimensions(@Param("dimIds") List<Long> dimensionIds, Pageable pageable);
}
注意事项：题库版本控制是实际开发中最容易忽略的点。建议在question_base表中添加version字段，每次修改都生成新版本而非直接覆盖。
2.2 测评算法实现
系统包含三种计分算法：
- 累加计分（如SDS抑郁量表）
- 反向计分（部分题目需要倒置分数）
- 维度加权计分（如SCL-90的9个因子）
核心计分逻辑示例：
java复制public BigDecimal calculateScore(List<Answer> answers, Scale scale) {
// 基础分累加
BigDecimal rawScore = answers.stream()
.map(a -> {
Question q = a.getQuestion();
// 处理反向计分题
return q.isReverse() ? reverseScore(a) : a.getScore();
})
.reduce(BigDecimal.ZERO, BigDecimal::add);
// 维度加权计算
if(scale.isWeighted()) {
return rawScore.multiply(scale.getWeight());
}
return rawScore;
}
实测中发现BigDecimal处理分数比double更精确，特别是在多次加权运算时能避免精度丢失问题。
2.3 智能报告生成
报告生成采用模板引擎+数据填充的方式：
- 使用Freemarker定义报告模板
- 通过JasperReport生成PDF
- 前端同时提供HTML版预览
关键配置示例：
yaml复制# application.yml配置
jasper:
report-path: classpath:/reports/
output-path: ${user.home}/mental-reports/
cache: true
避坑指南：模板中的特殊字符（如&、<）需要转义处理。我们最终采用的方案是自定义Freemarker的TemplateLoader，在加载模板时自动进行XML转义。
3. 技术架构详解
3.1 系统分层设计
采用经典三层架构：
code复制├── mental-assessment
│ ├── domain # 领域模型
│ ├── service # 业务逻辑
│ ├── dao # 数据访问
│ ├── web # 控制层
│ └── config # 专项配置
3.2 关键SpringBoot配置
- 多环境配置分离：
properties复制# application-dev.properties
spring.datasource.url=jdbc:mysql://localhost:3306/mental_dev
# application-prod.properties
spring.datasource.url=jdbc:mysql://prod-db:3306/mental_prod
- 定时任务配置（用于数据归档）：
java复制@Configuration
@EnableScheduling
public class ScheduleConfig implements SchedulingConfigurer {
@Override
public void configureTasks(ScheduledTaskRegistrar taskRegistrar) {
taskRegistrar.setScheduler(taskExecutor());
}
@Bean(destroyMethod = "shutdown")
public Executor taskExecutor() {
return Executors.newScheduledThreadPool(5);
}
}
3.3 安全控制方案
采用Spring Security + JWT的组合方案：
java复制@Configuration
@EnableWebSecurity
public class SecurityConfig extends WebSecurityConfigurerAdapter {
@Override
protected void configure(HttpSecurity http) throws Exception {
http.csrf().disable()
.authorizeRequests()
.antMatchers("/api/auth/**").permitAll()
.anyRequest().authenticated()
.and()
.addFilter(new JwtAuthFilter(authenticationManager()));
}
}
JWT令牌生成关键代码：
java复制public String generateToken(UserDetails user) {
Map<String, Object> claims = new HashMap<>();
claims.put("roles", user.getAuthorities().stream()
.map(GrantedAuthority::getAuthority)
.collect(Collectors.toList()));
return Jwts.builder()
.setClaims(claims)
.setSubject(user.getUsername())
.setIssuedAt(new Date())
.setExpiration(new Date(System.currentTimeMillis() + EXPIRATION))
.signWith(SignatureAlgorithm.HS512, SECRET)
.compact();
}
4. 典型问题解决方案
4.1 并发测评冲突
现象：同一用户短时间内重复提交导致数据异常
解决方案：
- 前端防抖控制（300ms间隔）
- 后端加分布式锁：
java复制public Result submitTest(AnswerDTO dto) {
String lockKey = "submit_lock:" + dto.getUserId();
try {
// 尝试获取锁
Boolean locked = redisTemplate.opsForValue()
.setIfAbsent(lockKey, "1", 5, TimeUnit.SECONDS);
if(locked != null && locked) {
return doSubmit(dto);
}
throw new BusinessException("操作太频繁");
} finally {
redisTemplate.delete(lockKey);
}
}
4.2 大数据量导出性能
当导出超过1万份报告时出现的OOM问题处理方案：
- 分页查询+流式处理
- 使用POI的SXSSFWorkbook
- 增加内存缓冲控制
优化后的导出代码：
java复制public void exportReports(Long scaleId, HttpServletResponse response) {
// 每批处理500条
int pageSize = 500;
Pageable pageable = PageRequest.of(0, pageSize);
try(SXSSFWorkbook workbook = new SXSSFWorkbook(100)) {
Sheet sheet = workbook.createSheet("报告数据");
// 分页查询处理
Page<Report> page;
do {
page = reportRepository.findByScaleId(scaleId, pageable);
writeToSheet(page.getContent(), sheet);
pageable = pageable.next();
} while(page.hasNext());
// 写入响应流
response.setContentType("application/vnd.ms-excel");
workbook.write(response.getOutputStream());
}
}
4.3 跨域问题处理
前后端分离时的解决方案：
java复制@Configuration
public class CorsConfig implements WebMvcConfigurer {
@Override
public void addCorsMappings(CorsRegistry registry) {
registry.addMapping("/**")
.allowedOrigins("*")
.allowedMethods("GET", "POST", "PUT", "DELETE")
.allowedHeaders("*")
.exposedHeaders("Authorization")
.maxAge(3600);
}
}
5. 部署与监控方案
5.1 生产环境部署
推荐使用Docker Compose部署：
dockerfile复制version: '3'
services:
app:
image: mental-assessment:1.0
ports:
- "8080:8080"
environment:
- SPRING_PROFILES_ACTIVE=prod
depends_on:
- redis
- mysql
mysql:
image: mysql:5.7
volumes:
- ./mysql:/var/lib/mysql
environment:
- MYSQL_ROOT_PASSWORD=123456
redis:
image: redis:alpine
ports:
- "6379:6379"
5.2 监控配置
- SpringBoot Actuator配置：
yaml复制management:
endpoints:
web:
exposure:
include: health,info,metrics
endpoint:
health:
show-details: always
- 自定义健康检查：
java复制@Component
public class DbHealthIndicator implements HealthIndicator {
@Autowired
private DataSource dataSource;
@Override
public Health health() {
try(Connection conn = dataSource.getConnection()) {
return Health.up()
.withDetail("version", conn.getMetaData().getDatabaseProductVersion())
.build();
} catch(Exception e) {
return Health.down(e).build();
}
}
}
6. 项目优化方向
- 缓存策略优化：
- 使用Redis缓存热点量表数据
- 实现两级缓存（Caffeine + Redis）
- 异步处理改进：
- 测评报告生成改用消息队列
- 引入Spring Batch处理批量任务
- 算法扩展：
- 添加机器学习模块分析历史趋势
- 实现动态题目推送（CAT算法）
这个项目最让我有成就感的是解决了动态量表配置的难题。通过设计灵活的元数据结构和采用策略模式处理不同计分规则，最终实现了仅需修改配置就能支持新量表的快速接入。在性能优化方面，建议重点关注数据库查询优化，特别是关联查询时的索引设计。