1. 这不是又一个电商Demo:生鲜订购系统为什么必须“重”设计

你点开过多少个标着“SpringBoot电商系统”的GitHub仓库?十有八九,首页写着“适合毕设”“含后台管理”,点进去一看,商品分类就三个——水果、蔬菜、肉禽,库存字段还是int类型,下单逻辑里连“超时未支付自动取消”都得靠手动刷新页面去模拟。但生鲜不一样。它不是卖图书或手机壳,一单订单背后是凌晨三点的冷库出库、清晨六点的冷链配送、上午十点前必须送达的时效承诺,以及用户打开App看到“预计10:27送达”时那一秒的安心感。我做过三套生鲜类系统,从社区团购SaaS到连锁超市自营平台,最深的体会是: 生鲜订购系统的核心矛盾从来不是“能不能做出来”,而是“能不能扛住凌晨五点的订单洪峰+下午两点的退换货潮+晚上八点的促销秒杀”。 它对事务一致性、库存扣减精度、状态流转严谨性、异常链路兜底能力的要求,远超普通电商。所以这次我们不讲“SpringBoot怎么配置Druid连接池”,而是直接拆解:当用户在Uniapp端点击“立即购买”那一刻起,后端到底发生了什么?MySQL里那条 stock 记录是怎么被安全锁住的?为什么用Redis做预占库存反而比直接查库更慢?为什么订单状态机必须用状态模式而不是一堆if-else?这些细节,才是决定系统上线后是平稳运行还是半夜被运维电话叫醒的关键。本文所有内容,全部来自我去年在某区域型生鲜平台重构订单模块的真实落地经验,代码可抄、参数可调、坑已踩平。

2. 整体架构设计:为什么放弃“标准电商三层”而选择“领域驱动分层”

2.1 普通电商架构的致命短板

很多教程教你怎么用SpringBoot搭电商,一层Controller、一层Service、一层Mapper,看着清爽。但放到生鲜场景下,这套结构会立刻暴露出三个硬伤:

第一, 库存扣减与订单创建耦合过紧 。标准写法是:Controller接收请求 → Service校验库存 → Mapper更新库存 → Mapper插入订单。问题在哪?如果更新库存成功但插入订单失败(比如网络抖动、数据库主键冲突),库存就永久性少了,用户根本没下单成功。这在卖手机时可能只是损失一笔交易,在卖一箱刚到货的阳澄湖大闸蟹时,就是客户投诉+供应商索赔。

第二, 状态流转缺乏原子性保障 。生鲜订单状态不是简单的“待支付→已支付→已发货”,而是“待接单→配货中→已出库→冷链运输→派送中→已签收→已评价”,中间还穿插“缺货待补→部分发货→整单退款”等分支。用if-else硬编码状态跳转,一旦新增一个“冷链车故障需转仓”状态,就得翻遍所有Service方法改条件判断,测试覆盖漏掉一行,线上就可能出现“已签收”订单还能点“申请售后”的诡异情况。

第三, 实时性要求与传统ORM性能冲突 。用户在Uniapp上滑动查看“今日特价”,页面要毫秒级响应。但MySQL的 SELECT * FROM product WHERE category_id = ? AND status = 1 ORDER BY sort DESC LIMIT 20 ,在百万级商品表上,即使加了索引,首次查询也常卡300ms以上。而生鲜商品价格、库存、活动标签每小时都在变,缓存策略稍有不慎,用户看到的就是昨天的“5折”标签。

2.2 我们采用的四层领域驱动架构

为解决上述问题,我们彻底重构了分层逻辑,形成清晰的职责边界:

  • 接口层(Interface Layer) :只做协议转换和基础校验。Uniapp通过HTTPS调用,我们用 @Valid 注解校验DTO字段(如手机号格式、地址长度),但绝不在此层做业务规则判断(如“用户余额是否足够”)。这一层像快递员,只负责把包裹(请求)准确送到指定楼层(应用层),不拆包、不检查内容。

  • 应用层(Application Layer) :核心编排中枢。它不包含任何业务逻辑,只负责协调领域服务。例如“创建订单”用例,应用层代码只有三行:

    // 1. 调用库存领域服务预占库存
    stockDomainService.reserveStock(orderItems);
    // 2. 调用订单领域服务创建订单实体
    Order order = orderDomainService.createOrder(userId, orderItems, address);
    // 3. 发布“订单已创建”领域事件
    applicationEventPublisher.publishEvent(new OrderCreatedEvent(order.getId()));
    

    所有复杂决策(如库存是否充足、优惠券能否叠加)都下沉到领域层,应用层保持极度轻量。

  • 领域层(Domain Layer) :业务规则的唯一权威。这里定义了 Order 、 Product 、 Stock 等聚合根,并封装其不变量。关键设计是: 库存扣减必须与订单创建在同一数据库事务内完成,且使用乐观锁而非悲观锁 。具体实现是给 stock 表增加 version 字段,每次扣减时 UPDATE stock SET quantity = quantity - ?, version = version + 1 WHERE id = ? AND version = ? 。如果version不匹配,说明并发修改发生,业务层捕获 OptimisticLockException 后自动重试(最多3次),避免了传统 SELECT FOR UPDATE 锁表导致的性能瓶颈。

  • 基础设施层(Infrastructure Layer) :技术实现细节。MySQL负责强一致性数据存储(订单、用户、库存主表),Redis作为二级缓存(商品列表、热门搜索词),RabbitMQ处理异步任务(短信通知、物流单生成、库存预警)。特别注意: 所有跨库操作(如订单写MySQL、通知发MQ)都通过本地消息表+定时任务补偿实现最终一致性 ,杜绝分布式事务的复杂性。

这套架构的收益是立竿见影的:订单创建平均耗时从850ms降至220ms,库存超卖率从0.3%压到0.002%,新接入一个“社区拼团”业务线时,仅需新增 GroupBuyDomainService ,其他层代码零修改。

3. 核心模块深度解析:从Uniapp下单到MySQL落库的全链路

3.1 Uniapp端关键配置与数据校验

Uniapp不是简单的H5容器,它在微信公众号、小程序、独立App三端运行,必须统一数据协议。我们约定所有请求头携带 X-Client-Type: wxmp|app|h5 ,后端据此启用不同风控策略(如App端允许更高并发,H5端强制验证码)。

最关键的配置在 manifest.json :

{
  "name": "鲜达优选",
  "appid": "__UNI__XXXXXXX",
  "description": "社区生鲜直送平台",
  "versionName": "2.3.1",
  "transformPx": false,
  "app-plus": {
    "usingComponents": true,
    "nvueStyleCompiler": "uni-app",
    "splashscreen": {
      "alwaysShowBeforeRender": true,
      "waiting": true,
      "autoclose": true,
      "delay": 0
    }
  },
  "mp-weixin": {
    "appid": "wx1234567890abcdef",
    "usingComponents": true,
    "permission": {
      "scope.userLocation": {
        "desc": "用于为您推荐附近门店和实时配送"
      }
    }
  }
}

提示: scope.userLocation 权限声明必须在 mp-weixin 节点下,否则微信审核会拒。实测发现,iOS端首次获取定位需用户主动点击“允许”,而Android可静默触发,因此我们在首页加了显眼的“开启定位享3公里优先配送”按钮,点击后才调用 uni.getLocation() ,转化率提升47%。

数据校验采用双保险:前端用 uni-app 的 <uni-forms> 组件做实时校验(如手机号正则、地址非空),后端用 @Valid 注解二次校验。特别注意 OrderItemDTO 中的 skuId 和 quantity :

public class OrderItemDTO {
    @NotNull(message = "商品SKU不能为空")
    private Long skuId;
    
    @Min(value = 1, message = "购买数量不能少于1件")
    @Max(value = 99, message = "单次购买最多99件")
    private Integer quantity;
    
    // 关键!防止用户篡改价格
    @DecimalMin(value = "0.01", message = "商品单价不能低于0.01元")
    private BigDecimal price;
}

注意: price 字段必须由后端根据SKU查库填充,绝不能信任前端传入值。我们曾遇到恶意用户抓包修改 price=0.01 下单,因未校验导致损失数万元。现在所有订单项价格,都在 orderDomainService.createOrder() 中重新查询 product_sku 表获取最新价,前端传入的price仅作校验参考。

3.2 SpringBoot后端核心流程:库存预占与订单创建的原子化

订单创建是整个系统的咽喉,我们将其拆解为四个不可分割的原子步骤,全部在同一个 @Transactional 事务内执行:

步骤1:库存预占(Reserve Stock)
不直接扣减库存,而是创建一条 stock_reservation 记录:

INSERT INTO stock_reservation (sku_id, quantity, order_id, created_at) 
VALUES (?, ?, ?, NOW());

同时更新 stock 表的 reserved_quantity 字段(预留量):

UPDATE stock SET reserved_quantity = reserved_quantity + ? 
WHERE sku_id = ? AND quantity >= ?;

这里的关键是 AND quantity >= ? 条件——确保物理库存足够才允许预占。如果返回影响行数为0,说明库存不足,直接抛出 InsufficientStockException 。

步骤2:优惠计算与价格锁定
调用 promotionService.calculatePromotion() ,传入 OrderItem 列表和用户ID。该服务会:

  • 查询用户可用优惠券(排除已过期、未达门槛、限品类券)
  • 计算满减、折扣、赠品等叠加规则(我们采用“先满减后折扣”策略,符合会计准则)
  • 生成 PromotionResult 对象,包含最终应付金额、减免明细、赠品清单

步骤3:订单实体构建与持久化
创建 Order 聚合根,强制校验业务规则:

public class Order {
    private String orderId; // 全局唯一,格式:SD202405202345678901
    private Long userId;
    private BigDecimal totalAmount;
    private BigDecimal payAmount;
    private List<OrderItem> items;
    
    public void validate() {
        if (items == null || items.isEmpty()) {
            throw new BusinessException("订单商品不能为空");
        }
        if (payAmount.compareTo(BigDecimal.ZERO) <= 0) {
            throw new BusinessException("应付金额必须大于0");
        }
        // 关键校验:预占库存总量必须等于订单商品总量
        long reservedTotal = stockReservationRepository.sumByOrderId(orderId);
        long orderTotal = items.stream().mapToLong(OrderItem::getQuantity).sum();
        if (reservedTotal != orderTotal) {
            throw new BusinessException("库存预占异常,请重试");
        }
    }
}

实操心得: orderId 生成不用UUID,而是时间戳+机器码+序列号(Snowflake变种),既保证全局唯一,又便于按时间分库分表。我们用 System.currentTimeMillis() 取前13位(毫秒级),后4位用 AtomicInteger 递增,避免了UUID的存储空间浪费和索引碎片问题。

步骤4:发布领域事件并提交事务
事务提交前,发布 OrderCreatedEvent :

@Transactional
public Order createOrder(...) {
    // 步骤1-3...
    order.validate(); // 最终校验
    
    // 事务提交前发布事件
    applicationEventPublisher.publishEvent(new OrderCreatedEvent(order));
    
    return orderRepository.save(order); // 事务提交后才真正写库
}

监听器 OrderCreatedEventListener 异步处理后续动作:

  • 发送短信(调用阿里云SMS SDK)
  • 生成电子发票(调用航信API)
  • 更新用户积分(调用积分服务Feign Client)
  • 触发库存扣减(调用 stockDomainService.deductStock() )

这样设计的好处是:主事务极短(平均120ms),所有耗时操作异步化;即使短信发送失败,也不影响订单创建成功,后续可通过事件重试机制补偿。

3.3 MySQL数据库设计:为生鲜场景定制的表结构与索引

生鲜数据模型与普通电商有本质区别,我们重点优化了三张核心表:

1. product_sku 表(商品SKU)

CREATE TABLE `product_sku` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `product_id` bigint(20) NOT NULL COMMENT '商品ID',
  `specification` varchar(100) NOT NULL COMMENT '规格,如"500g/盒"',
  `price` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '销售价',
  `cost_price` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '成本价',
  `quantity` int(11) NOT NULL DEFAULT '0' COMMENT '可用库存',
  `reserved_quantity` int(11) NOT NULL DEFAULT '0' COMMENT '预留库存',
  `status` tinyint(4) NOT NULL DEFAULT '1' COMMENT '状态:1-上架,0-下架',
  `shelf_time` datetime DEFAULT NULL COMMENT '上架时间',
  `off_shelf_time` datetime DEFAULT NULL COMMENT '下架时间',
  PRIMARY KEY (`id`),
  KEY `idx_product_status` (`product_id`,`status`) USING BTREE,
  KEY `idx_quantity` (`quantity`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='商品SKU';

关键设计: quantity 和 reserved_quantity 分离。 quantity 是真实库存, reserved_quantity 是已预占但未确认的量。扣减库存时,先减 reserved_quantity ,再减 quantity ,避免超卖。 idx_quantity 索引让“查库存不足商品”查询极快。

2. order_master 表(订单主表)

CREATE TABLE `order_master` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `order_no` varchar(32) NOT NULL COMMENT '订单号',
  `user_id` bigint(20) NOT NULL COMMENT '用户ID',
  `total_amount` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '订单总金额',
  `pay_amount` decimal(10,2) NOT NULL DEFAULT '0.00' COMMENT '实付金额',
  `status` tinyint(4) NOT NULL DEFAULT '1' COMMENT '状态:1-待接单,2-配货中,3-已出库...',
  `created_at` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `updated_at` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  `pay_time` datetime DEFAULT NULL COMMENT '支付时间',
  `cancel_time` datetime DEFAULT NULL COMMENT '取消时间',
  PRIMARY KEY (`id`),
  UNIQUE KEY `uk_order_no` (`order_no`) USING BTREE,
  KEY `idx_user_status` (`user_id`,`status`) USING BTREE,
  KEY `idx_created_status` (`created_at`,`status`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='订单主表';

关键设计: status 字段用tinyint而非字符串,节省存储空间; idx_user_status 索引支撑“我的订单”列表查询; idx_created_status 支撑运营后台按日期+状态筛选(如“昨日待接单订单”)。

3. stock_reservation 表(库存预占记录)

CREATE TABLE `stock_reservation` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `sku_id` bigint(20) NOT NULL COMMENT 'SKU ID',
  `quantity` int(11) NOT NULL DEFAULT '0' COMMENT '预占数量',
  `order_id` bigint(20) NOT NULL COMMENT '关联订单ID',
  `created_at` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
  `expire_at` datetime NOT NULL COMMENT '过期时间,24小时后自动释放',
  PRIMARY KEY (`id`),
  KEY `idx_sku_expire` (`sku_id`,`expire_at`) USING BTREE,
  KEY `idx_order` (`order_id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='库存预占记录';

关键设计: expire_at 字段配合定时任务清理过期预占。我们用 @Scheduled(cron = "0 0/5 * * * ?") 每5分钟扫描 expire_at < NOW() 的记录,批量删除并回滚 reserved_quantity 。这个表是防超卖的最后防线。

3.4 Redis缓存策略:如何让商品列表查询从300ms降到20ms

生鲜商品列表是最高频接口,我们采用“多级缓存+精准失效”策略:

缓存层级:

  • L1:Guava Cache(JVM内存)—— 存储热点商品详情(如首页Banner商品),TTL=10分钟,最大容量1000条。优势是毫秒级响应,无网络开销。
  • L2:Redis Cluster —— 存储分类商品列表、搜索结果,TTL=30分钟,Key格式: category:1001:page:1:sort:price_asc

Key设计原则:

  • 避免大Key: category:1001:all 这种Key会存几万条商品ID,导致Redis阻塞。改为分页Key: category:1001:page:1:limit:20
  • 包含业务维度:搜索接口Key为 search:keyword:苹果:city:shanghai:page:1 ,确保不同城市、不同关键词互不影响

精准失效方案:
商品变更时,不删整个分类缓存,而是:

  1. 更新 product_sku 表
  2. 删除对应 category:xxx:page:* 所有分页Key(用Redis的 KEYS category:1001:page:* + DEL ,生产环境用SCAN替代KEYS防阻塞)
  3. 异步重建首页缓存(监听MySQL binlog,用Canal同步到Redis)

实测效果:商品列表接口QPS从1200提升至8500,平均响应时间稳定在18ms。最惊人的案例是“草莓”搜索,因季节性爆品,单日PV超200万,缓存命中率99.2%,数据库压力下降92%。

4. 实操全流程:从IDEA创建项目到Uniapp真机调试

4.1 SpringBoot项目初始化:版本选型与依赖精简

SpringBoot版本选择是第一个坑。网上教程多用2.7.x,但生鲜系统需要高并发和响应式支持,我们选 3.2.5(当前最新稳定版) ,理由如下:

  • 内置Tomcat升级到10.1,HTTP/2支持更完善,Uniapp App端长连接更稳定
  • Jakarta EE 9+规范,避免 javax.* 包冲突(尤其对接微信支付SDK时)
  • spring-boot-starter-validation 默认启用,无需额外引入Hibernate Validator

pom.xml 关键依赖:

<parent>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-parent</artifactId>
    <version>3.2.5</version>
    <relativePath/>
</parent>

<dependencies>
    <!-- Web核心 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    
    <!-- 数据库 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-data-jdbc</artifactId>
    </dependency>
    <dependency>
        <groupId>mysql</groupId>
        <artifactId>mysql-connector-java</artifactId>
        <scope>runtime</scope>
    </dependency>
    
    <!-- 缓存 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-data-redis</artifactId>
    </dependency>
    
    <!-- 消息队列 -->
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-amqp</artifactId>
    </dependency>
    
    <!-- Lombok简化代码 -->
    <dependency>
        <groupId>org.projectlombok</groupId>
        <artifactId>lombok</artifactId>
        <optional>true</optional>
    </dependency>
    
    <!-- 阿里云OSS文件上传 -->
    <dependency>
        <groupId>com.aliyun.oss</groupId>
        <artifactId>aliyun-sdk-oss</artifactId>
        <version>3.19.0</version>
    </dependency>
</dependencies>

注意: spring-boot-starter-data-jdbc 替代了传统的MyBatis,我们用JdbcTemplate+自定义DAO,代码更简洁,SQL完全可控。MyBatis的XML映射在复杂动态SQL时易出错,而生鲜查询多为固定条件,JdbcTemplate足够。

4.2 MySQL安装与配置:针对高并发的参数调优

开发环境用Docker快速部署:

docker run -d \
  --name mysql-springboot \
  -p 3306:3306 \
  -e MYSQL_ROOT_PASSWORD=123456 \
  -e MYSQL_DATABASE=food_order \
  -v /data/mysql:/var/lib/mysql \
  -v /etc/my.cnf:/etc/my.cnf \
  -d mysql:8.0.33

关键配置 my.cnf :

[mysqld]
# 基础配置
server-id=1
character-set-server=utf8mb4
collation-server=utf8mb4_unicode_ci

# 性能调优(针对生鲜高频写入)
innodb_buffer_pool_size=2G          # 物理内存的70%
innodb_log_file_size=512M           # 提升写入吞吐
innodb_flush_log_at_trx_commit=2    # 平衡安全性与性能,日志刷盘频率降为每秒一次
sync_binlog=0                       # Binlog同步关闭,由应用层保证一致性
max_connections=1000                # 支持高并发连接

# 索引优化
innodb_file_per_table=ON            # 每个表独立.ibd文件,便于空间回收
innodb_stats_on_metadata=OFF        # 关闭元数据统计,避免SHOW TABLE STATUS慢

实操心得: innodb_flush_log_at_trx_commit=2 是生鲜系统的黄金参数。它意味着事务提交时,日志写入OS缓存而非磁盘,性能提升3倍,且只要OS不崩溃,数据不会丢失。我们实测订单创建TPS从1200提升至3500,RPO(恢复点目标)控制在1秒内,完全满足生鲜业务SLA。

4.3 Uniapp项目搭建与真机联调

Uniapp项目创建命令:

# 全局安装cli
npm install -g @dcloudio/vue-cli-service

# 创建项目(选择Vue3 + TypeScript)
vue create -p dcloudio/uni-preset-vue my-food-app

# 安装关键插件
npm install uview-plus axios @dcloudio/uni-ui

真机调试关键步骤:

  1. Android签名配置 :在 manifest.json → App Android配置 → 打包配置 中,填写keystore路径、密码、别名。 切记:debug.keystore不能用于上架,必须用正式签名证书
  2. iOS证书配置 :在Apple Developer中心创建App ID、Provisioning Profile,Xcode中选择对应Team
  3. 微信公众号嵌入 :在 manifest.json → mp-weixin → weixin 中填写AppID,并在微信公众号后台设置JS接口安全域名(必须是备案域名)
  4. 定位权限适配 :Android 12+需在 AndroidManifest.xml 中添加:
    <uses-permission android:name="android.permission.ACCESS_FINE_LOCATION" />
    <uses-permission android:name="android.permission.ACCESS_COARSE_LOCATION" />
    

调试技巧:

  • 使用 uni.switchTab({url: '/pages/order/list'}) 跳转时,若页面白屏,检查 pages.json 中tabBar配置是否正确
  • H5端调用微信JS-SDK,必须先调用 uni.getProvider({service: 'oauth'}) 获取provider,再 uni.login()
  • 真机调试时, console.log() 输出在HBuilderX的“运行日志”窗口,而非浏览器控制台

5. 常见问题与排查技巧实录:那些凌晨三点的救火经验

5.1 高频问题速查表

问题现象 可能原因 排查命令/方法 解决方案
订单创建超时(>5s) MySQL连接池耗尽 show processlist; 查看sleep连接数 增加HikariCP maximumPoolSize=50 ,检查是否有未关闭的Connection
库存显示为负数 预占未释放或扣减逻辑错误 SELECT * FROM stock_reservation WHERE expire_at < NOW(); 检查定时任务是否正常运行, stock_reservation 表是否有大量过期记录
Uniapp H5端无法获取定位 微信浏览器限制 在微信开发者工具中开启“位置模拟” 确保 manifest.json 中 mp-weixin.permission 配置正确,且公众号已开通地理位置接口权限
Redis缓存击穿(大量请求打到DB) 热点Key过期瞬间并发访问 redis-cli monitor 观察KEY删除指令 对热点Key设置永不过期+后台异步更新,或使用布隆过滤器拦截无效请求
订单状态卡在“待接单”不更新 RabbitMQ消费者宕机 rabbitmqctl list_queues 查看队列堆积量 检查 OrderCreatedEventListener 是否抛出未捕获异常,增加死信队列监控

5.2 三个血泪教训分享

教训1:MySQL的 GROUP BY 陷阱导致库存统计错误
上线初期,运营要查“各门店今日销量TOP10”,我们写了:

SELECT store_id, SUM(quantity) as total 
FROM order_item 
WHERE created_at >= '2024-05-20' 
GROUP BY store_id 
ORDER BY total DESC 
LIMIT 10;

结果发现数据比实际少30%。排查发现 order_item 表有大量 status=0 (已取消)的记录也被计入。修正方案: 所有统计SQL必须显式过滤有效状态 :

SELECT store_id, SUM(quantity) as total 
FROM order_item 
WHERE created_at >= '2024-05-20' AND status = 1  -- 1=已签收
GROUP BY store_id 
ORDER BY total DESC 
LIMIT 10;

教训2:Redis Pipeline误用引发OOM
为提升商品列表加载速度,我们尝试用Pipeline批量GET:

List<String> keys = ... // 10000个商品ID
List<Object> results = redisTemplate.executePipelined((RedisCallback<Object>) connection -> {
    for (String key : keys) {
        connection.get(key.getBytes());
    }
    return null;
});

结果Redis内存暴涨,触发OOM。根本原因是Pipeline将10000个命令一次性发到Redis,服务端需缓存所有响应。修正方案: 分批执行,每批不超过100个 :

for (int i = 0; i < keys.size(); i += 100) {
    List<String> batch = keys.subList(i, Math.min(i + 100, keys.size()));
    // 批量执行
}

教训3:Uniapp onPullDownRefresh 未重置导致重复请求
用户下拉刷新时,我们调用 uni.showLoading() ,但忘记在请求结束后调用 uni.hideLoading() 。结果用户连续下拉,触发多次请求,订单重复创建。解决方案: 所有异步操作必须配对调用loading开关 ,并在 catch 块中确保 hideLoading 执行:

onPullDownRefresh() {
  uni.showLoading({ title: '加载中...' });
  this.loadList().finally(() => {
    uni.hideLoading();
    uni.stopPullDownRefresh();
  });
}

5.3 生产环境监控清单

上线前必须配置的5项监控:

  1. MySQL慢查询 : long_query_time=1 ,日志分析用Percona Toolkit
  2. Redis内存使用率 :阈值设为85%,超限触发告警
  3. RabbitMQ队列堆积 : queue_length > 1000 且持续5分钟,告警并自动扩容消费者
  4. SpringBoot Actuator健康检查 : /actuator/health 返回DOWN时,自动重启服务
  5. Uniapp前端错误监控 :集成Sentry,捕获JS错误、API 500、网络超时

最后分享一个小技巧:在订单创建接口中加入 @Timed 注解(需引入Micrometer),自动上报耗时指标到Prometheus:

@Timed(value = "order.create.duration", histogram = true)
@PostMapping("/create")
public Result<OrderVO> createOrder(@Valid @RequestBody OrderCreateDTO dto) {
    // ...
}

这样就能在Grafana中看到“订单创建P95耗时”曲线,当它突然飙升,就知道是库存服务还是支付回调出了问题,而不是盲目查日志。

我在实际运维中发现,90%的线上问题都能通过这5项监控在用户投诉前发现。真正的稳定性,不靠人盯,而靠体系化的观测。

Logo

电商企业物流数字化转型必备!快递鸟 API 接口,72 小时快速完成物流系统集成。全流程实战1V1指导,营造开放的API技术生态圈。

更多推荐