1. 项目背景与核心需求网上订餐系统已经成为现代餐饮行业数字化转型的基础设施。作为连接消费者与商家的关键纽带一个高效的订餐管理系统需要同时满足多终端访问、实时订单处理、库存动态更新等核心需求。我们开发的这套系统采用JavaSSM作为后端主力框架结合Flask实现特定微服务形成了完整的技术栈解决方案。这个系统最显著的特点是采用了混合架构设计。SSM框架SpringSpringMVCMyBatis提供了稳定的基础服务能力而Flask则以其轻量级特性负责处理需要快速迭代的业务模块。这种架构选择既保证了系统核心业务的稳定性又为特定功能模块的灵活扩展提供了可能。提示混合架构的关键在于明确服务边界。我们将用户管理、订单处理等核心业务放在SSM端而像促销活动、推荐算法这类频繁变更的功能则由Flask微服务实现。2. 技术架构详解2.1 后端技术选型SSM框架组合构成了系统的主干Spring 5.x提供IoC容器和AOP支持管理各类Bean的生命周期SpringMVC采用RESTful风格设计API接口前后端分离MyBatis 3.x配合PageHelper插件实现高效数据分页Flask微服务主要承担以下职责实时促销计算引擎用户行为分析服务智能推荐系统// 典型的SSM控制器示例 RestController RequestMapping(/api/order) public class OrderController { Autowired private OrderService orderService; PostMapping public ResponseResult createOrder(Valid RequestBody OrderDTO dto) { return orderService.createOrder(dto); } }2.2 数据库设计MySQL 8.0作为主数据库关键表结构设计如下表名核心字段索引设计t_useruser_id(PK), username, password_hash, phonephone(unique)t_restaurantrestaurant_id(PK), name, location_geolocation_geo(spatial)t_foodfood_id(PK), restaurant_id(FK), pricerestaurant_id(index)t_orderorder_id(PK), user_id(FK), statususer_id(index), create_time(index)特别优化了订单表的读写性能采用垂直分表将订单主表与订单明细分离热数据使用Redis缓存减少数据库压力历史订单定期归档到MongoDB3. 核心功能实现3.1 多级缓存设计系统采用三级缓存策略提升响应速度本地缓存使用Caffeine缓存餐厅菜单等变化频率低的数据分布式缓存Redis集群存储用户会话和热门商品数据库缓存MySQL查询缓存配合适当的索引策略# Flask中的缓存装饰器示例 from flask_caching import Cache cache Cache(config{CACHE_TYPE: RedisCluster}) app.route(/promotion/int:restaurant_id) cache.cached(timeout300) def get_promotions(restaurant_id): # 促销计算逻辑3.2 订单状态机实现订单生命周期管理采用状态模式public interface OrderState { void confirm(OrderContext context); void cancel(OrderContext context); void complete(OrderContext context); } // 具体状态实现 public class PendingState implements OrderState { Override public void confirm(OrderContext context) { context.setState(new ConfirmedState()); // 触发支付流程 } }状态转换规则待确认 → (确认) → 已确认待确认 → (取消) → 已取消已确认 → (完成) → 已完成已确认 → (超时) → 已取消4. 安全与性能优化4.1 安全防护措施认证授权JWTSpring Security实现RBAC数据安全敏感字段AES加密存储SQL注入防护MyBatis使用#{}占位符XSS防护Jackson全局转义HTML标签交易安全支付密码二次验证交易流水号防重放4.2 性能调优实践通过压测发现的典型问题及解决方案N1查询问题现象获取订单列表时频繁查询用户信息解决MyBatis的 标签实现关联查询缓存穿透现象大量请求不存在的餐厅ID解决布隆过滤器前置校验分布式锁竞争现象秒杀活动时库存扣减冲突解决RedisLua脚本实现原子操作-- 库存扣减Lua脚本 local stock tonumber(redis.call(GET, KEYS[1])) if stock 0 then redis.call(DECR, KEYS[1]) return 1 end return 05. 部署架构与监控5.1 容器化部署方案系统采用Docker Compose编排服务version: 3 services: mysql: image: mysql:8.0 environment: MYSQL_ROOT_PASSWORD: ${DB_PASSWORD} redis: image: redis:6.2 ssm-app: build: ./ssm ports: - 8080:8080 flask-app: build: ./flask ports: - 5000:50005.2 监控指标设计Prometheus采集的关键指标应用层QPS、响应时间、错误率系统层CPU/Memory使用率、GC情况业务层订单创建成功率、支付超时率Grafana配置了三种级别的告警Warning响应时间500msError错误率1%Critical服务不可用6. 典型问题排查实录6.1 跨服务事务问题现象用户下单后积分未正常增加 排查过程检查订单服务日志 - 订单创建成功检查积分服务日志 - 未收到请求检查RabbitMQ - 消息堆积定位到网络ACL规则阻止了5672端口解决方案增加本地事务表记录操作状态实现补偿任务定期同步状态添加跨服务事务监控看板6.2 缓存一致性问题现象用户看到的价格与实际不符 根本原因商品改价后未及时清除缓存缓存过期时间设置过长30分钟最终方案采用先更新DB再删除缓存策略设置合理的缓存过期时间5分钟关键操作增加缓存刷新机制7. 扩展与演进方向当前系统已经支持的功能多餐厅管理智能推荐促销计算第三方支付对接下一步规划引入Elasticsearch实现菜品搜索使用Kafka重构订单事件流尝试Service Mesh治理跨服务调用开发小程序端提升用户体验在实际开发中我们发现Flask和SSM的版本兼容性需要特别注意。建议建立完善的接口契约测试确保服务间通信的稳定性。同时对于需要强一致性的业务场景建议仍然放在SSM主系统中实现。