Java+SSM与Flask构建眼镜电商系统的架构设计-代码聚汇网

Java+SSM与Flask构建眼镜电商系统的架构设计

丹丹在这里

1. 项目概述：视康眼镜网店销售系统的技术架构与商业价值

这套基于Java+SSM+Flask的视康眼镜网店销售系统，是专为眼镜行业设计的全渠道电子商务解决方案。系统采用前后端分离架构，后端使用Java+SSM（Spring+SpringMVC+MyBatis）处理核心业务逻辑，前端则通过Flask构建灵活的管理界面，MySQL作为数据存储引擎。这种技术组合既保证了企业级应用的稳定性，又兼顾了管理后台的开发效率。

在实际运营中，系统需要支撑眼镜行业特有的业务场景：包括验光数据管理、镜片参数配置、处方适配验证等专业功能。与普通电商不同，眼镜销售涉及大量非标参数（如瞳距、镜框尺寸、镜片折射率等），这就要求系统在商品SKU管理上实现高度灵活的可配置性。我们通过自定义规格参数模板和智能匹配算法，解决了传统电商系统难以处理专业配镜需求的痛点。

2. 技术架构解析：多框架融合的设计考量

2.1 SSM框架的核心作用

Spring作为控制反转容器，管理着整个系统的Bean生命周期。特别针对眼镜销售场景，我们设计了专门的库存服务（InventoryService）和验光服务（OptometryService），前者处理镜片镜框的库存联动（如特定镜框只能搭配某些类型的镜片），后者管理用户的验光数据安全存储与版本控制。

SpringMVC负责RESTful API的设计，其中商品详情接口需要返回复杂的参数组合。例如获取一款镜架时，除了基础信息外，还需要返回兼容的镜片类型、可选的镀膜方案等扩展属性。我们通过@JsonView实现不同场景下的字段动态过滤，避免数据传输冗余。

MyBatis的灵活映射能力在这里大显身手。眼镜产品的多维度查询（如按脸型推荐、按度数筛选）涉及大量动态SQL，我们使用MyBatis的标签和OGNL表达式构建了高性能的查询构建器。一个典型的复杂查询如下：

xml复制<select id="findFramesByCondition" resultMap="frameResultMap">
  SELECT * FROM optical_frame 
  <where>
    <if test="faceShape != null">
      AND recommended_face_shape LIKE CONCAT('%',#{faceShape},'%')
    </if>
    <if test="bridgeWidth != null">
      AND bridge_width BETWEEN #{bridgeWidth}-2 AND #{bridgeWidth}+2
    </if>
    <!-- 10+ other conditions -->
  </where>
  ORDER BY 
  <choose>
    <when test="sortBy == 'price'">base_price</when>
    <when test="sortBy == 'popularity'">sales_count DESC</when>
    <otherwise>id</otherwise>
  </choose>
</select>

2.2 Flask的定位与实现

Flask在这个架构中主要承担两个角色：一是作为管理后台的快速开发框架，二是提供数据可视化服务。我们利用Flask-Admin快速构建了包含以下专业模块的后台系统：

验光数据管理面板：可查看用户的历次验光记录变化曲线
销售分析仪表盘：使用Pyecharts生成各镜片材质的销售占比热力图
智能推荐配置界面：维护脸型-镜框的匹配规则库

一个典型的Flask路由示例，用于生成销售漏斗分析图：

python复制@app.route('/api/analysis/sales_funnel')
def sales_funnel():
    stages = ['浏览', '加入购物车', '提交验光数据', '完成支付']
    data = db.session.query(
        func.count(distinct(VisitLog.user_id)).label('view'),
        # 其他阶段统计...
    ).first()
    
    funnel = Funnel()
    funnel.add("转化阶段", stages, [data.view, data.cart, ...])
    return funnel.render_embed()

2.3 混合架构的通信设计

Java与Python服务间通过两种方式交互：

同步调用：使用HTTP API进行实时性要求高的操作（如库存检查）
- 定义统一的签名验证机制（X-Auth-Sign头）
- 采用Protocol Buffers作为数据序列化格式
异步消息：使用RabbitMQ处理耗时操作（如生成验光报告)
- 创建专门的exchange（optical_direct）
- 定义消息重试策略（最多3次，间隔指数增长）

这种设计使得验光师提交的复杂验光数据（包含角膜地形图等大文件）可以通过消息队列异步处理，避免阻塞主交易流程。

3. 核心业务模块实现细节

3.1 网上配镜工作流引擎

眼镜电商的核心差异点在于其特殊的购买流程：

用户选择镜框 → 2. 上传验光单或在线验光 → 3. 系统验证参数兼容性 → 4. 确认处方 → 5. 支付

我们实现了状态机驱动的工作流引擎：

java复制public class OpticalWorkflowEngine {
    private StateMachine<OpticalState, OpticalEvent> stateMachine;

    @Transition(source = "FRAME_SELECTED", target = "PRESCRIPTION_UPLOAD")
    public void handleFrameSelection(Long userId, Long frameId) {
        OpticalFrame frame = frameService.validateCompatibility(userId, frameId);
        // 检查用户脸型与镜框匹配度
        FaceShape shape = userService.getFaceShape(userId);
        if (!frame.getCompatibleShapes().contains(shape)) {
            throw new IncompatibleException("镜框与脸型不匹配");
        }
    }
}

3.2 动态价格计算策略

眼镜产品的定价需要考虑多种因素：

镜框基础价格
镜片材质（树脂/PC/玻璃）
镜片功能（防蓝光/变色/渐进多焦点）
镀膜方案（减反射/防水/耐磨）

采用策略模式实现价格计算：

java复制public interface PricingStrategy {
    BigDecimal calculate(OpticalProduct product);
}

@Service
public class CompositePricingStrategy implements PricingStrategy {
    @Autowired
    private List<PricingStrategy> strategies;

    public BigDecimal calculate(OpticalProduct product) {
        return strategies.stream()
            .map(s -> s.calculate(product))
            .reduce(BigDecimal.ZERO, BigDecimal::add);
    }
}

@Service
@Primary
public class LensMaterialStrategy implements PricingStrategy {
    public BigDecimal calculate(OpticalProduct product) {
        return product.getLens().getMaterial().getPrice();
    }
}

3.3 验光数据安全存储

用户的验光数据属于敏感医疗信息，我们采用分级加密方案：

基础信息（姓名、联系方式）：AES加密存储
医疗数据（瞳距、度数）：使用HSM硬件加密模块处理
访问控制：基于RBAC模型，只有认证验光师可解密完整数据

数据库设计上，将敏感字段单独存放，并实现MyBatis的类型处理器：

java复制public class EncryptedTypeHandler extends BaseTypeHandler<String> {
    private EncryptionService encryptor;

    @Override
    public void setNonNullParameter(PreparedStatement ps, int i, 
                                  String parameter, JdbcType jdbcType) {
        ps.setString(i, encryptor.encrypt(parameter));
    }
    //...其他方法
}

4. 性能优化实战经验

4.1 商品搜索的Elasticsearch优化

眼镜商品有超过50个可筛选属性，我们为ES设计了特殊的mapping：

json复制{
  "mappings": {
    "properties": {
      "frame_width": {"type": "integer", "coerce": false},
      "compatible_lens_materials": {
        "type": "nested",
        "properties": {
          "material_id": {"type": "keyword"},
          "min_refractive_index": {"type": "float"}
        }
      },
      "face_shape_scores": {
        "type": "rank_features" 
      }
    }
  }
}

查询时使用bool组合查询，并对脸型匹配度添加boost值：

java复制BoolQueryBuilder query = QueryBuilders.boolQuery()
    .must(QueryBuilders.rangeQuery("frame_width")
        .gte(userProfile.getFaceWidth() - 2)
        .lte(userProfile.getFaceWidth() + 2))
    .should(QueryBuilders.nestedQuery("compatible_lens_materials",
        QueryBuilders.termQuery("compatible_lens_materials.material_id", 
                               userPrefs.getMaterialId()), ScoreMode.Total))
    .boost(1.5f);

4.2 购物车并发控制

采用乐观锁解决镜片库存冲突：

sql复制UPDATE lens_inventory 
SET stock = stock - 1 
WHERE id = ? AND stock >= ? 
AND version = ?

在Java层面对失败操作实现自动重试：

java复制@Retryable(maxAttempts = 3, backoff = @Backoff(delay = 100))
public void deductInventory(Long skuId, int quantity) {
    int affected = lensMapper.deductStock(skuId, quantity);
    if (affected == 0) {
        throw new OptimisticLockingFailureException("库存不足");
    }
}

4.3 分布式事务处理

跨Java/Flask服务的处方确认操作，使用Saga模式保证一致性：

Java服务：开始处方确认 → 预留库存
Flask服务：生成验光报告PDF
Java服务：最终确认（如失败则取消预留）

关键是在Flask服务实现幂等操作：

python复制@app.route('/api/prescription/generate', methods=['POST'])
def generate_prescription():
    tx_id = request.headers['X-Transaction-ID']
    if redis.get(f"prescription:{tx_id}:completed"):
        return jsonify({"status": "already_generated"})
    
    # 生成逻辑...
    redis.setex(f"prescription:{tx_id}:completed", 3600, 1)

5. 运维部署方案

5.1 容器化部署架构

使用Docker Compose编排服务：

yaml复制version: '3.8'
services:
  java-app:
    image: openjdk:11-jre
    deploy:
      resources:
        limits:
          memory: 2g
    environment:
      - SPRING_PROFILES_ACTIVE=prod
    depends_on:
      - redis
      - mysql

  flask-app:
    image: python:3.9
    command: gunicorn -w 4 -b :5000 app:app
    volumes:
      - ./reports:/app/reports
    environment:
      - DB_URL=mysql://user:pass@mysql:3306/optical

  mysql:
    image: mysql:8.0
    volumes:
      - mysql_data:/var/lib/mysql
    environment:
      - MYSQL_ROOT_PASSWORD_FILE=/run/secrets/db_root_password
    secrets:
      - db_root_password

5.2 监控指标采集

针对眼镜行业的特殊指标监控：

验光数据提交成功率
镜框-镜片组合的退货率
处方生成耗时百分位

使用Micrometer暴露Java指标，Prometheus采集：

java复制@Bean
public MeterRegistryCustomizer<PrometheusMeterRegistry> configureMetrics() {
    return registry -> {
        registry.config().commonTags("application", "optical-store");
        Gauge.builder("prescription.validation.failure", 
                     validationService::getFailureCount)
             .description("验光数据验证失败次数")
             .register(registry);
    };
}

5.3 日志收集方案

通过ELK Stack实现跨服务日志关联，关键是在日志中注入统一的traceId：

Java端通过MDC实现：

java复制@RestControllerAdvice
public class CorrelationIdAdvice implements HandlerInterceptor {
    @Override
    public boolean preHandle(HttpServletRequest request, 
                           HttpServletResponse response, Object handler) {
        MDC.put("correlationId", UUID.randomUUID().toString());
        return true;
    }
}

Flask端通过请求拦截器实现：

python复制@app.before_request
def set_correlation_id():
    if 'X-Correlation-ID' in request.headers:
        g.correlation_id = request.headers['X-Correlation-ID']
    else:
        g.correlation_id = str(uuid.uuid4())
    logging.LoggerAdapter(logger, {
        'correlationId': g.correlation_id
    })

这套系统在实际部署中需要特别注意验光图片的存储优化，我们采用了分级存储策略：近期验光图保存在高性能NAS，历史数据迁移到对象存储，并通过智能缓存减少IO压力。对于高峰期（如开学季配镜高峰），通过自动扩展Flask服务实例来处理暴增的验光报告生成请求。