SSM+Vue客运售票系统开发与高并发优化实践

1. 项目背景与核心价值

客运站售票系统作为现代交通服务的重要一环，其数字化转型需求日益凸显。这个基于SSM+Vue的网上售票系统设计，正是针对传统窗口售票模式效率低下、客流高峰期排队拥堵、票务信息更新滞后等痛点提出的解决方案。

我在实际参与某三线城市客运站信息化改造时深有体会：每逢节假日，售票窗口前总是排起长龙，工作人员疲于应对简单的查询和出票操作，而乘客抱怨最多的就是"为什么不能像买电影票一样手机购票"。这个毕设项目正是瞄准了这个真实存在的市场需求。

2. 技术选型解析

2.1 后端技术栈：SSM框架组合

SSM（Spring+SpringMVC+MyBatis）作为经典的JavaEE开发框架组合，其稳定性经过多年企业级应用验证：

• Spring 5.x：采用注解配置替代传统XML，通过IoC容器管理Bean生命周期，AOP实现事务管理等横切关注点。实际开发中特别要注意@Transactional注解的传播行为配置，客运系统的票务操作必须保证PROPAGATION_REQUIRED。

• SpringMVC：RESTful风格接口设计，配合@RestController注解简化前后端交互。在票务查询接口实现时，我们采用二级缓存策略：本地Caffeine缓存+Redis分布式缓存，将热门线路的余票查询响应时间从800ms降至120ms。

• MyBatis 3.5：XML与注解混合开发模式，动态SQL处理复杂查询条件。特别注意批量插入优化，春运期间单日可能产生上万条订单，我们测试发现batchInsert比单条插入效率提升15倍。

2.2 前端技术栈：Vue生态体系

Vue 2.6 + Element UI的组合提供了良好的开发体验：

• Vue CLI 4：基于webpack的脚手架工具，内置Babel转译和SCSS支持。通过配置chainWebpack可以优化打包策略，将vendor包体积从2.1MB压缩至1.3MB。

• Vue Router：实现前端路由权限控制，不同角色（管理员、售票员、乘客）对应不同的路由表。采用路由懒加载显著提升首屏加载速度。

• Axios：封装请求拦截器实现JWT自动刷新，在401状态码时无感续期token。开发中要特别注意配置withCredentials以支持跨域携带cookie。

3. 核心功能模块实现

3.1 票务管理子系统

3.1.1 班次排期算法

采用时间片轮转算法处理线路排班：

java复制// 班次生成核心逻辑
public List<Schedule> generateSchedules(LocalDate startDate, LocalDate endDate) {
    List<Schedule> schedules = new ArrayList<>();
    LocalDate current = startDate;
    while (!current.isAfter(endDate)) {
        for (Route route : routes) {
            LocalDateTime departure = LocalDateTime.of(current, route.getDepartureTime());
            if (!isHoliday(current)) { // 排除节假日特殊排班
                schedules.add(new Schedule(route, departure));
            }
        }
        current = current.plusDays(1);
    }
    return schedules;
}

3.1.2 余票实时更新

使用Redis的WATCH+MULTI实现分布式锁，防止超卖：

bash复制WATCH ticket:{scheduleId}
current = GET ticket:{scheduleId}
if current > 0 then
    MULTI
    DECR ticket:{scheduleId}
    EXEC
else
    UNWATCH
    return "票已售罄"
end

3.2 订单支付流程

3.2.1 状态机设计

采用状态模式实现订单状态流转：

code复制待支付 --[用户支付]--> 已支付
已支付 --[超时未取票]--> 已过期
已支付 --[车站取票]--> 已完成

3.2.2 支付结果异步通知

处理第三方支付回调时要注意：

1. 验证签名防止伪造请求
2. 实现幂等接口避免重复处理
3. 记录完整交互日志便于对账

4. 系统安全设计

4.1 防御措施矩阵

4.2 敏感数据保护

1. 密码存储：BCrypt算法+salt值
2. 身份证号：AES加密存储，显示时脱敏处理（如"510***********1234"）
3. 日志文件：自动识别并脱敏敏感字段

5. 性能优化实践

5.1 数据库优化

1. 索引策略：
   • 联合索引：(departure_station_id, arrival_station_id, departure_time)
   • 覆盖索引：订单查询时避免回表
2. 分表方案：按月份水平分表订单数据

5.2 前端性能提升

1. 图片懒加载：Intersection Observer API实现
2. 虚拟滚动：长列表渲染优化
3. WebP格式：图片体积减少40%

6. 部署方案

6.1 容器化部署

Docker Compose编排方案：

yaml复制version: '3'
services:
  mysql:
    image: mysql:5.7
    environment:
      MYSQL_ROOT_PASSWORD: ${DB_PASSWORD}
    volumes:
      - ./mysql-data:/var/lib/mysql
  
  redis:
    image: redis:6-alpine
    ports:
      - "6379:6379"

  backend:
    build: ./backend
    ports:
      - "8080:8080"
    depends_on:
      - mysql
      - redis

6.2 监控方案

1. Spring Boot Actuator暴露健康检查
2. Prometheus + Grafana监控JVM指标
3. ELK日志分析系统

7. 开发经验总结

1. 并发控制：在压力测试中发现，单纯依赖数据库乐观锁会导致高并发下大量请求失败。最终采用Redis分布式锁+数据库悲观锁的混合方案，将100并发下的订单创建成功率从68%提升到99%。

2. 事务边界：最初将所有业务操作放在一个大事务中，导致数据库连接占用时间过长。重构后遵循"短事务"原则，将非核心业务（如日志记录）移出事务。

3. 缓存一致：采用"先更新数据库再删除缓存"策略，配合消息队列实现最终一致性。遇到缓存击穿问题时，通过BloomFilter过滤无效查询。

这个项目让我深刻体会到，一个看似简单的售票系统背后，需要考虑的细节远超想象。特别是在高并发场景下，很多在开发环境表现正常的功能，到生产环境就会暴露各种问题。建议学弟学妹们在做类似系统时，尽早进行压力测试和异常情况测试。