1. 项目背景与核心价值去年参与了一个疫情防控系统的开发用SpringBoot技术栈实现了从数据采集到可视化分析的全流程管理。这个系统在特殊时期发挥了重要作用日均处理10万条健康上报数据支持200个社区同时在线使用。不同于简单的CRUD系统我们针对疫情防控的特殊需求做了大量定制开发今天就来拆解其中的关键技术点和实战经验。疫情防控系统的核心价值在于三点实时性数据秒级更新、准确性避免人工统计误差和可追溯性完整记录人员流动轨迹。传统Excel表格管理方式在这三个方面都存在明显短板而我们的系统通过技术手段完美解决了这些痛点。2. 技术架构设计2.1 整体技术选型采用经典的SpringBootMyBatisPlus后端架构前端使用VueElementUI。特别选择了以下技术组件数据缓存Redis集群处理突发高并发访问消息队列RabbitMQ异步处理数据上报文件存储MinIO替代FastDFS更易部署权限控制Sa-Token轻量级鉴权方案技术选型心得在疫情场景下系统的稳定性和快速迭代能力比技术新颖性更重要。我们放弃了微服务架构采用单体应用集群部署的方式大幅降低了运维复杂度。2.2 数据库设计要点核心表结构设计考虑了疫情防控的特殊需求CREATE TABLE health_report ( id bigint NOT NULL AUTO_INCREMENT, user_id varchar(32) NOT NULL COMMENT 加密身份证号, temperature decimal(3,1) NOT NULL, symptom varchar(255) DEFAULT NULL COMMENT 症状JSON数组, location point NOT NULL COMMENT GPS坐标, is_risk tinyint(1) DEFAULT 0, report_time datetime NOT NULL, PRIMARY KEY (id), SPATIAL KEY idx_location (location), KEY idx_user_time (user_id,report_time) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;特别注意地理位置使用MySQL的GIS功能实现电子围栏判断身份证号采用SM4加密存储症状字段使用JSON格式适应动态字段需求3. 核心功能实现3.1 高并发上报接口疫情爆发期单日峰值QPS达到3000我们通过三级缓存实现稳定服务本地缓存Caffeine缓存最近5分钟的热点小区数据Redis集群存储当天所有上报数据的摘要信息MySQL分库分表按用户ID哈希分16个库关键代码示例RestController RequestMapping(/api/report) public class ReportController { RateLimiter(value 5000, key #communityCode) PostMapping(/health) public Result submitHealth(Valid RequestBody HealthDTO dto) { // 1. 异步写入消息队列 rabbitTemplate.convertAndSend(health.queue, dto); // 2. 更新Redis实时统计 redisTemplate.opsForZSet().incrementScore( realtime:count, dto.getCommunityCode(), 1 ); return Result.success(); } }3.2 智能预警模块实现三个维度的预警规则时空碰撞同一地点15分钟内超过阈值人数上报轨迹重合与确诊患者轨迹时空交集判断症状聚类相似症状人群地理分布分析使用Elasticsearch实现轨迹查询优化BoolQueryBuilder query QueryBuilders.boolQuery() .must(QueryBuilders.termQuery(userId, confirmedUserId)) .must(QueryBuilders.rangeQuery(reportTime) .gte(startTime) .lte(endTime)); SearchRequest request new SearchRequest(trajectory) .source(new SearchSourceBuilder() .query(query) .size(10000));4. 性能优化实践4.1 热数据预加载方案每天凌晨3点执行预热任务预加载前7天确诊患者轨迹到Redis生成各小区风险等级缓存预计算统计报表数据使用Spring Scheduler实现Scheduled(cron 0 0 3 * * ?) public void preloadHotData() { // 1. 查询近7天确诊患者 ListConfirmedCase cases caseMapper.selectRecentCases(7); // 2. 批量写入Redis cases.forEach(case - { redisTemplate.opsForValue().set( confirmed: case.getUserId(), case.getTrajectory() ); }); }4.2 数据库查询优化针对三大慢查询进行专项优化轨迹碰撞查询添加复合索引 (user_id, report_time)统计报表查询使用物化视图预计算模糊搜索改用ES替代LIKE查询优化前后对比查询类型优化前耗时优化后耗时优化手段轨迹碰撞1200ms80ms空间索引内存计算日报统计3000ms200ms预聚合定时刷新人员搜索800ms50msES倒排索引5. 安全防护措施5.1 数据加密方案敏感字段采用国密算法处理身份证号SM4加密存储地理位置GeoHash编码后AES加密传输数据HTTPS自定义报文加密加密工具类示例public class CryptoUtils { private static final SM4 sm4 new SM4(系统密钥.getBytes()); public static String encryptIdCard(String idCard) { return Base64.encode(sm4.encrypt(idCard.getBytes())); } public static String decryptIdCard(String cipherText) { return new String(sm4.decrypt(Base64.decode(cipherText))); } }5.2 防攻击策略针对常见攻击手段的防护方案上报防刷IP设备指纹限流接口防护请求签名时效验证数据篡改区块链存证关键操作安全拦截器配置public class SecurityInterceptor implements HandlerInterceptor { Override public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) { // 1. 校验时间戳 long timestamp Long.parseLong(request.getHeader(X-Timestamp)); if (System.currentTimeMillis() - timestamp 5000) { throw new ApiException(请求已过期); } // 2. 验证签名 String sign request.getHeader(X-Signature); String rawData request.getQueryString() timestamp; if (!verifySign(rawData, sign)) { throw new ApiException(签名验证失败); } return true; } }6. 运维监控体系6.1 全链路监控方案采用PrometheusGrafana搭建监控看板重点监控服务健康度接口成功率、响应时间资源使用率CPU、内存、磁盘IO业务指标上报量、预警数、处理时效关键指标配置示例# prometheus.yml 配置片段 scrape_configs: - job_name: springboot metrics_path: /actuator/prometheus static_configs: - targets: [app1:8080, app2:8080]6.2 日志分析优化通过ELK实现日志集中管理特别注意敏感信息脱敏处理错误日志自动告警操作日志审计追踪Logback配置示例appender nameELK classnet.logstash.logback.appender.LogstashTcpSocketAppender destinationlogstash:5044/destination encoder classnet.logstash.logback.encoder.LogstashEncoder customFields{app:covid-system,env:prod}/customFields /encoder /appender7. 典型问题排查7.1 内存泄漏问题现象服务运行3天后出现OOM 排查过程通过jmap生成堆转储文件使用MAT分析发现Redis连接未释放定位到未正确关闭的Jedis实例修复方案// 错误写法 public void queryRedis() { Jedis jedis pool.getResource(); // 业务代码... // 忘记调用jedis.close() } // 正确写法 public void queryRedis() { try (Jedis jedis pool.getResource()) { // 业务代码... } }7.2 缓存雪崩应对预防措施差异化过期时间基础缓存时间随机偏移量多级缓存本地缓存分布式缓存熔断降级Hystrix保护核心服务缓存工具类改进public class CacheHelper { private static final Random random new Random(); public static void setWithRandomTTL(String key, Object value, int baseTTL) { int realTTL baseTTL random.nextInt(300); // 5分钟随机偏移 redisTemplate.opsForValue().set( key, value, realTTL, TimeUnit.SECONDS ); } }这个项目让我深刻体会到应急系统的开发必须平衡好三个要素快速响应需求变更的灵活性、突发流量下的稳定性、敏感数据的安全性。我们在迭代过程中总结出一套小步快跑灰度发布的开发模式通过自动化测试和监控告警体系保障系统稳定运行。