乐悠厨房1. 项目概述：B2C在线零售平台的设计初衷
去年帮学弟调试他的毕业设计时，发现市面上很多Java商城项目都存在功能堆砌但核心流程薄弱的问题。这个基于B2C模式的在线零售平台设计，重点要解决三个实际问题：首先是商品库存的实时同步机制，其次是高并发场景下的订单创建可靠性，最后是移动端与PC端的无缝体验衔接。
典型的B2C电商系统包含六大核心模块：用户中心（会员等级、积分体系）、商品中心（SKU管理、分类体系）、交易中心（购物车、订单流水）、支付中心（多渠道接入）、营销中心（优惠券、秒杀）和数据中心（用户行为分析）。在技术选型上，我们采用SpringBoot+MyBatis-plus作为基础框架，配合Redis实现缓存加速，Vue.js作为前端解决方案。
关键提示：毕业设计类项目切忌贪大求全，建议选择1-2个技术亮点深度实现。比如用Redis+Lua解决超卖问题，比简单实现全功能更有技术含量。
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. 技术架构设计与选型依据
2.1 后端技术栈组合方案
采用SpringBoot 2.7.x而非最新的3.x版本，这是考虑到国内企业实际生产环境仍以Java8为主。数据库选择MySQL 5.7配合阿里云Druid连接池，配置建议如下：
yaml复制spring:
datasource:
druid:
initial-size: 5
max-active: 20
min-idle: 5
max-wait: 60000
validation-query: SELECT 1
持久层使用MyBatis-Plus 3.5.x，其Lambda查询方式能避免SQL注入风险。特别注意需要配置逻辑删除和自动填充：
java复制@Bean
public MybatisPlusInterceptor mybatisPlusInterceptor() {
MybatisPlusInterceptor interceptor = new MybatisPlusInterceptor();
interceptor.addInnerInterceptor(new PaginationInnerInterceptor(DbType.MYSQL));
interceptor.addInnerInterceptor(new OptimisticLockerInnerInterceptor());
return interceptor;
}
2.2 高并发场景应对策略
针对毕业答辩常被问及的并发问题，建议实现以下防护措施：
- 使用Redis分布式锁控制库存扣减：
java复制public boolean deductStock(Long productId, int num) {
String lockKey = "product:" + productId;
String clientId = UUID.randomUUID().toString();
try {
Boolean result = redisTemplate.opsForValue()
.setIfAbsent(lockKey, clientId, 30, TimeUnit.SECONDS);
if (Boolean.TRUE.equals(result)) {
// 执行库存扣减逻辑
return true;
}
} finally {
if (clientId.equals(redisTemplate.opsForValue().get(lockKey))) {
redisTemplate.delete(lockKey);
}
}
return false;
}
- 采用令牌桶算法限流（使用Guava RateLimiter）：
java复制// 每秒钟允许10个请求
private final RateLimiter limiter = RateLimiter.create(10.0);
@PostMapping("/createOrder")
public Result createOrder(@RequestBody OrderDTO dto) {
if (!limiter.tryAcquire()) {
throw new BusinessException("操作过于频繁");
}
// 订单创建逻辑
}
3. 核心业务模块实现细节
3.1 商品系统的设计陷阱
商品表设计常见误区是将所有属性放在主表。建议采用主表+属性表+SKU表的三层结构：
sql复制CREATE TABLE `product` (
`id` bigint NOT NULL AUTO_INCREMENT,
`name` varchar(100) NOT NULL,
`category_id` int NOT NULL,
`status` tinyint DEFAULT '1',
PRIMARY KEY (`id`)
);
CREATE TABLE `product_sku` (
`sku_id` bigint NOT NULL AUTO_INCREMENT,
`product_id` bigint NOT NULL,
`specs_json` json DEFAULT NULL,
`price` decimal(10,2) NOT NULL,
`stock` int NOT NULL DEFAULT '0',
PRIMARY KEY (`sku_id`),
KEY `idx_product` (`product_id`)
);
踩坑记录：JSON类型字段虽然方便但影响查询性能，实际项目中建议将常用搜索条件单独建列。
3.2 购物车实现方案对比
| 方案 | 数据库存储 | Cookie存储 | Redis存储 |
|---|---|---|---|
| 适用场景 | 登录用户 | 未登录用户 | 高并发场景 |
| 实现复杂度 | 高 | 低 | 中 |
| 数据一致性 | 强 | 弱 | 最终一致 |
| 扩展性 | 一般 | 差 | 好 |
推荐采用混合模式：
java复制public void addToCart(CartItem item) {
if (isLogin()) {
// Redis存储: user:cart:{userId}
redisTemplate.opsForHash().put(
"user:cart:"+getUserId(),
item.getSkuId(),
JSON.toJSONString(item));
} else {
// Cookie存储
CookieUtil.addCartItem(response, item);
}
}
4. 典型问题排查实录
4.1 订单重复提交问题
现象：用户快速点击导致创建多个相同订单
解决方案：
- 前端防抖处理（Vue示例）：
javascript复制methods: {
submitOrder: _.debounce(function(){
// 实际提交逻辑
}, 1000)
}
- 后端幂等控制（使用Redis原子操作）：
java复制public String createOrder(OrderDTO dto) {
String orderToken = dto.getOrderToken();
if (!redisTemplate.opsForValue()
.setIfAbsent("order:token:"+orderToken, "1", 5, TimeUnit.MINUTES)) {
throw new BusinessException("请勿重复提交订单");
}
// 创建订单逻辑
}
4.2 支付回调处理
支付结果异步通知的注意事项：
- 必须验证签名
- 处理幂等（相同支付号只处理一次）
- 日志记录完整交互过程
示例代码结构：
java复制@PostMapping("/pay/notify")
public String payNotify(HttpServletRequest request) {
// 1. 验签
if (!alipaySignature.rsaCheckV1(...)) {
return "failure";
}
// 2. 检查订单状态
Order order = orderService.getByOrderNo(outTradeNo);
if (order.getStatus() != OrderStatus.UNPAID) {
return "success";
}
// 3. 更新订单状态（带事务）
boolean success = orderService.updateOrderAfterPay(
outTradeNo,
paymentAmount);
return success ? "success" : "failure";
}
5. 性能优化关键点
5.1 缓存策略设计
采用多级缓存架构：
- 本地缓存（Caffeine）：高频访问的基础数据
java复制LoadingCache<Long, Product> productCache = Caffeine.newBuilder()
.maximumSize(1000)
.expireAfterWrite(5, TimeUnit.MINUTES)
.build(id -> productMapper.selectById(id));
- Redis缓存：热点数据和临时数据
java复制public Product getProduct(Long id) {
String key = "product:" + id;
Product product = redisTemplate.opsForValue().get(key);
if (product == null) {
product = productCache.get(id);
redisTemplate.opsForValue().set(key, product, 1, TimeUnit.HOURS);
}
return product;
}
5.2 SQL优化实例
商品搜索接口的优化过程：
原始方案（全模糊查询）：
sql复制SELECT * FROM product
WHERE name LIKE '%手机%'
ORDER BY create_time DESC
优化方案（使用全文索引）：
sql复制ALTER TABLE product ADD FULLTEXT INDEX ft_idx_name(name);
SELECT *, MATCH(name) AGAINST('手机') as relevance
FROM product
WHERE MATCH(name) AGAINST('手机' IN BOOLEAN MODE)
ORDER BY relevance DESC
执行时间从1200ms降至80ms（测试数据量50万条）
6. 项目部署与监控
6.1 容器化部署方案
Docker-compose文件示例：
yaml复制version: '3'
services:
mysql:
image: mysql:5.7
environment:
MYSQL_ROOT_PASSWORD: root
ports:
- "3306:3306"
volumes:
- ./mysql-data:/var/lib/mysql
redis:
image: redis:6
ports:
- "6379:6379"
app:
build: .
ports:
- "8080:8080"
depends_on:
- mysql
- redis
6.2 基础监控配置
SpringBoot Actuator关键配置：
properties复制management.endpoints.web.exposure.include=health,info,metrics
management.endpoint.health.show-details=always
management.metrics.tags.application=${spring.application.name}
配合Prometheus采集指标：
java复制@Bean
MeterRegistryCustomizer<MeterRegistry> metricsCommonTags() {
return registry -> registry.config().commonTags(
"region", System.getProperty("region", "dev"));
}
7. 答辩准备建议
7.1 技术亮点提炼方向
- 分布式Session方案（对比Cookie、Redis、JWT三种方式）
- 优惠券系统的防套利设计（如限制同一设备领取数量）
- 商品搜索的演进过程（从数据库Like到Elasticsearch）
7.2 常见问题应对策略
问题："你的系统能承受多大并发？"
回答思路：
- 实测数据：在4核8G服务器上，使用JMeter测试结果
- 优化手段：缓存、限流、异步处理等具体措施
- 扩展方案：横向扩展的可行性分析
问题："如何保证数据一致性？"
回答示例：
"在支付场景采用最终一致性方案：① 支付成功后先更新订单状态 ② 通过消息队列通知库存系统 ③ 设置定时任务补偿异常情况。这个方案在可靠性和性能之间取得了平衡。"
8. 扩展学习建议
想进一步提升的同学可以研究：
- 分库分表策略（ShardingSphere实现）
- 分布式事务方案（Seata框架）
- 实时推荐系统（Flink+Redis实现）
- 压力测试方法论（JMeter+Arthas联调）
实际开发中几个容易忽视的细节：
- 金额计算使用BigDecimal并设置精度模式
- 日志记录要包含足够排查信息（如traceId）
- 接口文档要实时更新（推荐使用Swagger或YApi）
- 密码存储必须加盐哈希（不要用MD5）