SpringBoot+WebSocket构建高并发外卖系统实战-育师

1. 项目背景与核心需求

"速到外卖"这类即时配送应用在2023年全球市场规模已达2000亿美元，国内日订单量突破3000万单。这个安卓端的外卖应用项目需要解决三个核心痛点：高并发订单处理（峰值预计5000单/分钟）、实时位置追踪（误差需控制在50米内）、多端数据同步（商家/骑手/用户三端延迟不超过2秒）。

我去年参与过一个类似项目，当时用传统Servlet架构遇到的最大瓶颈是订单状态更新延迟问题。后来重构为SpringBoot+WebSocket方案后，接口响应时间从800ms降至120ms。这个经历让我深刻理解到技术选型对实时性系统的重要性。

2. 技术架构设计

2.1 后端SpringBoot方案

采用SpringBoot 2.7.x + MyBatis-Plus组合，相比原生MyBatis可减少约40%的样板代码。特别要注意的是：

// 订单状态变更的乐观锁实现示例 @Transactional public boolean updateOrderStatus(Long orderId, Integer oldStatus, Integer newStatus) { Order order = orderMapper.selectById(orderId); if(order.getStatus().equals(oldStatus)){ order.setStatus(newStatus); return orderMapper.updateById(order) > 0; } return false; }

数据库选型上：

主库：MySQL 8.0（订单核心数据）
从库：MongoDB（用户行为日志）
缓存：Redis集群（菜单缓存+秒杀库存）

2.2 安卓端关键技术点

定位模块采用高德SDK的混合定位方案，实测在小米机型上可以做到：

室外：3秒内获取GPS定位（精度5-15米）
室内：WiFi+基站定位（精度50-100米）

网络通信使用Retrofit2+OkHttp3，需要特别注意：

// 订单列表接口的缓存策略配置 val okHttpClient = OkHttpClient.Builder() .addInterceptor(CacheInterceptor()) .cache(Cache(File(context.cacheDir, "http_cache"), 50 * 1024 * 1024)) .build()

3. 核心功能实现细节

3.1 实时订单系统

采用事件驱动架构：

用户下单触发OrderCreatedEvent
调度服务消费事件并分派骑手
骑手接单生成OrderAcceptedEvent
推送服务通过WebSocket通知用户端

关键配置：

# application-event.yml spring: rabbitmq: listener: simple: concurrency: 5 max-concurrency: 20

3.2 智能派单算法

基于遗传算法实现的权重计算模型：

public class DispatchAlgorithm { // 骑手适配度计算公式 public double calculateFitness(Rider rider, Order order) { return 0.6 * distanceScore(rider, order) + 0.3 * loadScore(rider) + 0.1 * ratingScore(rider); } }

4. 性能优化实战

4.1 数据库优化

订单表采用分库分表策略：

按用户ID哈希分库（8个库）
按创建时间分表（每月1表）
建立联合索引：(user_id, status, create_time)

4.2 缓存策略

采用多级缓存架构：

本地缓存（Caffeine）：菜单等低频变更数据
Redis集群：库存、优惠券等热点数据
布隆过滤器：拦截无效查询

缓存更新策略对比：

策略	一致性	复杂度	适用场景
Cache Aside	最终	中	核心业务
Write Through	强	高	财务系统
Write Behind	弱	低	日志类数据

5. 踩坑与解决方案

5.1 位置漂移问题

现象：华为P40 Pro在隧道内定位点突变解决方案：

增加移动方向校验
采用卡尔曼滤波平滑轨迹
异常点二次确认机制

5.2 订单状态同步延迟

根本原因：MySQL主从同步延迟最终方案：

关键状态变更走主库查询
辅助使用Redis Pub/Sub通知
客户端本地状态机校验

6. 安全防护措施

6.1 接口安全

签名算法：HMAC-SHA256
防重放攻击：timestamp+nonce
敏感数据：SM4加密

6.2 安卓加固

代码混淆（ProGuard规则优化）
动态加载核心算法
root/xposed检测

7. 测试方案设计

7.1 压力测试指标

API吞吐量：≥3000TPS
端到端延迟：＜500ms（P99）
并发用户数：10000+

7.2 专项测试用例

弱网测试（NetSim模拟）
定位漂移场景
支付结果轮询异常

8. 部署架构

采用K8s集群部署：

# deployment.yaml关键配置 resources: limits: cpu: "2" memory: 2Gi requests: cpu: "0.5" memory: 512Mi

监控体系：

业务指标：Prometheus+Grafana
链路追踪：SkyWalking
日志分析：ELK

在实际部署中发现，JVM参数优化使GC时间减少60%：

-XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:InitiatingHeapOccupancyPercent=45

9. 项目演进规划

短期优化：

骑手路径规划加入实时路况
智能餐箱温控IoT对接

长期方向：

无人机配送模块开发
AR导航界面支持
区块链订单存证

这个项目最深的体会是：在实时系统中，宁可牺牲部分一致性也要保证可用性。我们通过引入本地状态机+异步校验的机制，将系统不可用时间控制在0.1%以下。建议在开发初期就建立完善的监控体系，我们是在上线后才发现某些接口在凌晨3点会出现毛刺现象，后来发现是定时任务引起的资源竞争。

SpringBoot+WebSocket构建高并发外卖系统实战