1. 系统架构设计与技术选型在社区卫生服务站的实际运营场景中疫苗接种预约系统需要应对居民集中预约、库存实时扣减、接种记录归档等高并发业务需求。我们采用SpringBoot作为基础框架结合MyBatis-Plus、Redis和MySQL构建三层架构表现层基于RESTful API设计规范提供前后端分离的接口服务业务层采用领域驱动设计DDD思想将核心业务逻辑封装为独立的服务模块数据层MySQL作为主存储Redis处理热点数据缓存技术栈的选型考量SpringBoot 2.7.x简化配置、快速启动内置Tomcat容器MyBatis-Plus 3.5.x增强的ORM框架提供Lambda查询、分页插件等高效工具Redis 6.x采用哨兵模式部署处理秒级并发预约请求MySQL 8.0事务型数据库确保ACID特性实际开发中我通过Maven多模块管理代码结构modules modulevaccine-common/module !-- 公共组件 -- modulevaccine-dao/module !-- 数据访问层 -- modulevaccine-service/module !-- 业务逻辑层 -- modulevaccine-api/module !-- 接口层 -- /modules2. 高并发场景下的数据一致性保障2.1 预约业务的事务处理疫苗接种预约涉及三个关键操作检查库存→创建预约记录→扣减库存。我们采用Spring声明式事务确保原子性Transactional(rollbackFor Exception.class) public AppointmentDTO createAppointment(AppointmentRequest request) { // 1. 检查疫苗库存带行锁 VaccineStock stock vaccineStockMapper.selectByIdForUpdate(request.getVaccineId()); if (stock.getAvailable() 0) { throw new BusinessException(库存不足); } // 2. 创建预约记录 Appointment appointment convertToEntity(request); appointmentMapper.insert(appointment); // 3. 扣减库存 vaccineStockMapper.deductStock(request.getVaccineId()); // 4. 发送预约成功事件 eventPublisher.publishEvent(new AppointmentEvent(appointment)); return convertToDTO(appointment); }2.2 分布式锁应对超卖问题在秒杀场景下我们采用RedisLua脚本实现分布式锁-- KEYS[1] 锁key, ARGV[1] 请求ID, ARGV[2] 过期时间(ms) if redis.call(setnx, KEYS[1], ARGV[1]) 1 then return redis.call(pexpire, KEYS[1], ARGV[2]) else return 0 end实测中发现单纯依赖Redis锁存在时钟漂移风险最终采用Redisson的看门狗机制实现锁续期将超时失败率从0.3%降至0.01%以下。3. 智能化的缓存策略设计3.1 多级缓存架构L1缓存MyBatis-Plus二级缓存CaffeineL2缓存Redis集群缓存热点缓存本地缓存Guava CacheCacheable(value vaccine, key #id, unless #result null) public VaccineInfo getVaccineInfo(Long id) { return vaccineMapper.selectById(id); } CacheEvict(value vaccine, key #id) public void updateVaccineInfo(VaccineInfo info) { vaccineMapper.updateById(info); // 异步更新搜索索引 searchService.asyncUpdateIndex(info); }3.2 缓存穿透防护针对恶意查询不存在的疫苗ID我们采用布隆过滤器进行拦截。实测布隆过滤器在100万数据量下仅需1.4MB内存误判率0.01%// 初始化布隆过滤器 BloomFilterString filter BloomFilter.create( Funnels.stringFunnel(Charset.defaultCharset()), 1000000, 0.01); // 查询前校验 if (!filter.mightContain(vaccineId)) { throw new BusinessException(疫苗不存在); }4. 数据表结构与索引优化4.1 核心表设计CREATE TABLE vaccine_stock ( id bigint NOT NULL AUTO_INCREMENT, vaccine_id bigint NOT NULL COMMENT 疫苗ID, station_id int NOT NULL COMMENT 服务站ID, available int NOT NULL DEFAULT 0 COMMENT 可用库存, version int NOT NULL DEFAULT 0 COMMENT 乐观锁版本, PRIMARY KEY (id), UNIQUE KEY idx_vaccine_station (vaccine_id,station_id), KEY idx_station (station_id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4; CREATE TABLE appointment_order ( id bigint NOT NULL AUTO_INCREMENT, user_id bigint NOT NULL, vaccine_id bigint NOT NULL, station_id int NOT NULL, appoint_date date NOT NULL, time_slot varchar(20) NOT NULL COMMENT 时间段, status tinyint NOT NULL DEFAULT 0 COMMENT 0-待确认 1-已预约 2-已取消, create_time datetime NOT NULL DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (id), KEY idx_user_date (user_id,appoint_date), KEY idx_vaccine_station (vaccine_id,station_id,appoint_date) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;4.2 索引优化实践通过EXPLAIN分析发现复合索引idx_vaccine_station的字段顺序对查询性能影响显著。将高频查询的station_id放在首位后QPS从1200提升到2100-- 优化前疫苗ID在前 SELECT * FROM vaccine_stock WHERE vaccine_id 1001 AND station_id 5; -- 优化后服务站ID在前 ALTER TABLE vaccine_stock DROP INDEX idx_vaccine_station; CREATE INDEX idx_station_vaccine ON vaccine_stock(station_id, vaccine_id);5. 数据安全与隐私保护5.1 敏感信息加密采用国密SM4算法对身份证号等敏感字段加密public class IdCardEncryptor { private static final SM4Engine engine new SM4Engine(); public static String encrypt(String plainText) { byte[] encrypted engine.processBlock( plainText.getBytes(), 0, new SecureRandom()); return Base64.encodeBase64String(encrypted); } // 解密方法... }5.2 数据脱敏策略在日志和接口响应中自动脱敏JsonSerialize(using SensitiveSerializer.class) public class UserDTO { Sensitive(type SensitiveType.ID_CARD) private String idCard; Sensitive(type SensitiveType.MOBILE) private String phone; } // 脱敏效果510***********12346. 性能调优实战记录6.1 批量插入优化接种记录归档时使用MyBatis-Plus的批量插入功能比单条插入快17倍// 错误示范循环单条插入 for (Record record : records) { recordMapper.insert(record); // 平均耗时45ms/条 } // 正确做法批量插入 recordMapper.insertBatchSomeColumn(records); // 平均2.6ms/条6.2 连接池配置根据压测结果调整HikariCP参数spring: datasource: hikari: maximum-pool-size: 20 # 原默认10 minimum-idle: 5 connection-timeout: 3000 idle-timeout: 600000 max-lifetime: 1800000在JMeter模拟100并发场景下调整后系统吞吐量提升40%平均响应时间从320ms降至190ms。7. 监控与运维方案7.1 埋点监控设计通过Spring AOP实现关键指标采集Aspect Component Slf4j public class MonitorAspect { Around(execution(* com..service.*.*(..))) public Object monitorService(ProceedingJoinPoint pjp) throws Throwable { long start System.currentTimeMillis(); try { return pjp.proceed(); } finally { long cost System.currentTimeMillis() - start; Metrics.timer(service. pjp.getSignature().getName()) .record(cost, TimeUnit.MILLISECONDS); } } }7.2 慢SQL治理配置MyBatis-Plus的SQL执行分析插件Bean public MybatisPlusInterceptor mybatisPlusInterceptor() { MybatisPlusInterceptor interceptor new MybatisPlusInterceptor(); interceptor.addInnerInterceptor(new PerformanceInnerInterceptor(1000)); // 超过1秒警告 return interceptor; }实际项目中通过该插件发现并优化了3个执行超过2秒的复杂查询优化后全部降至200ms以内。