SpringBoot+Vue水果店管理系统开发实战

1. 项目背景与核心价值去年帮朋友改造他家水果店的管理系统时我深刻体会到传统零售业数字化转型的痛点。收银台后面那台老旧的电脑跑着十年前的进销存软件每次盘点都要手工核对三遍数据更别说分析销售趋势了。这个基于SpringBoot的水果购物管理系统就是针对中小型水果零售商的数字化解决方案。系统最核心的价值在于实现了三个实时库存实时更新避免超卖、销售实时统计随时掌握爆款商品、财务实时汇总日结效率提升80%。我测试期间最有成就感的是开发了智能预警模块当某类水果库存低于安全阈值时系统会自动推送补货提醒到店主手机这个功能后来成了最受欢迎的特色。2. 技术架构设计解析2.1 整体技术栈选型选择SpringBoot 2.7作为基础框架主要考虑三点一是快速迭代朋友要求两周出Demo二是社区支持完善遇到问题容易找到解决方案三是与微信生态整合方便。数据库用了MySQL 8.0看重其事务性能和JSON字段支持——比如存储水果的规格属性甜度等级、产地证明等就很方便。前端采用Vue 3 Element Plus的组合这个选择其实有过波折。最初用jQuery快速搭了个原型但后来发现商品多规格选择比如苹果有大小/甜度/产地多种维度的交互复杂度超出预期改用Vue后组件化开发效率反而更高。移动端则用uniapp打包了小程序顾客扫码就能下单。2.2 核心模块划分系统包含6个核心模块其耦合度控制是设计重点商品中心SPU/SKU管理库存引擎实时扣减逻辑订单管道状态机设计会员体系积分规则引擎营销中心满减/折扣活动数据分析销售热力图特别说明库存模块的设计采用预占实际扣减双阶段模式。顾客下单时先预占库存15分钟未支付则自动释放。这里用了Redis的原子操作保证并发安全关键代码如下// 库存预占核心逻辑 public boolean reserveStock(Long skuId, int quantity) { String key stock:reserve: skuId; long remain redisTemplate.opsForValue().decrement(key, quantity); if (remain 0) { // 异步记录预占日志 mqTemplate.send(stock.reserve, new ReserveMessage(skuId, quantity)); return true; } else { // 回滚操作 redisTemplate.opsForValue().increment(key, quantity); return false; } }3. 关键业务实现细节3.1 商品多规格处理水果商品的特殊性在于存在多维度规格比如苹果需要同时管理品种红富士/嘎啦、重量等级3斤装/5斤装、甜度12-14°。我们采用SPUSKU的结构SPU定义商品基本属性名称、分类、主图SKU组合规格项规格值笛卡尔积前端使用动态规格选择器当用户选择红富士后自动过滤出可选的重量等级。后端用JSONB存储规格组合MySQL 8.0的JSON查询性能完全能满足中小商户需求。3.2 促销活动引擎设计了一个规则引擎来处理各种促销场景满减满100减15折扣第二件半价赠品买西瓜送勺子会员价黄金会员9折核心难点是规则冲突处理我们的解决方案是定义优先级权重会员价 限时折扣 满减使用策略模式实现规则计算前端明确展示优惠叠加明细// 规则引擎接口设计 public interface PromotionRule { String getRuleType(); int getPriority(); PromotionResult calculate(OrderContext context); } // 示例满减规则实现 public class FullDiscountRule implements PromotionRule { Override public PromotionResult calculate(OrderContext ctx) { if (ctx.getTotalAmount() conditionAmount) { return new PromotionResult( ruleId, 满 conditionAmount 减 discountAmount, discountAmount ); } return PromotionResult.EMPTY; } }4. 性能优化实践4.1 高并发库存控制618大促期间暴露出库存超卖问题通过三级缓冲解决Redis原子计数第一层快速扣减数据库乐观锁第二层最终一致定时对账任务第三层补偿修正关键优化点包括使用Redis Lua脚本保证原子性数据库更新采用version乐观锁对账任务避开高峰期凌晨2点运行4.2 订单查询优化随着订单量增长历史订单查询变慢。我们做了以下改进按时间分表每月一张order_202307建立联合索引user_id create_time冷热数据分离3个月前的订单归档到ES分表策略的ShardingKey选择很有讲究最终采用用户ID哈希分片保证单个用户的订单总在同一个分片上避免跨库查询。5. 踩坑与经验总结5.1 事务一致性难题最初版本的商品发布流程存在漏洞先保存SPU再批量插入SKU如果SKU保存失败会导致数据不一致。后来改用Spring的Transactional注解包装整个方法并添加了事务补偿机制Transactional public void saveProduct(ProductDTO dto) { // 1. 保存SPU Product spu convertToEntity(dto); productMapper.insert(spu); // 2. 处理SKU列表 for (SkuDTO skuDto : dto.getSkus()) { Sku sku buildSku(skuDto, spu.getId()); if (!skuMapper.insert(sku)) { // 手动触发回滚 TransactionAspectSupport.currentTransactionStatus().setRollbackOnly(); throw new RuntimeException(SKU保存失败); } } // 3. 更新ES索引 searchService.refresh(spu.getId()); }5.2 缓存雪崩预防某次服务器重启后大量请求同时击穿缓存到数据库导致MySQL连接池爆满。解决方案缓存数据设置随机过期时间基础30分钟随机5分钟使用互斥锁重建缓存热点数据永不过期后台定时更新public Product getProductWithCache(Long id) { // 1. 先查缓存 Product product redisTemplate.opsForValue().get(buildProductKey(id)); if (product ! null) { return product; } // 2. 获取互斥锁 String lockKey lock:product: id; boolean locked redisTemplate.opsForValue().setIfAbsent(lockKey, 1, 1, TimeUnit.MINUTES); if (locked) { try { // 3. 再次检查缓存可能其他线程已经重建 product redisTemplate.opsForValue().get(buildProductKey(id)); if (product null) { // 4. 查数据库并重建缓存 product productMapper.selectById(id); redisTemplate.opsForValue().set( buildProductKey(id), product, 30 ThreadLocalRandom.current().nextInt(5), TimeUnit.MINUTES ); } return product; } finally { redisTemplate.delete(lockKey); } } else { // 等待100ms后重试 Thread.sleep(100); return getProductWithCache(id); } }6. 扩展功能展望虽然基础功能已经完备但还有三个值得深挖的方向智能采购预测基于历史销售数据天气因素用LSTM模型预测未来销量供应商协同平台建立与产地供应商的直连系统自动生成采购订单无人称重结算对接智能秤硬件自动识别水果类型并计算价格目前正在开发第一个功能初步测试显示预测准确率能达到75%左右主要挑战在于处理节假日等特殊日期的影响。一个实用的技巧是在训练数据中添加是否为节假日的标记特征这对提升模型效果非常明显。