电影购票系统毕设入门实战：从单体架构到高并发设计的完整路径-平芜编程栈

电影购票系统毕设入门实战：从单体架构到高并发设计的完整路径

1. 先吐槽：为什么我的第一版“购票”一上线就崩了？

去年指导学弟做毕设，80% 的同学把“电影购票”当成“电影展示”：页面一戳、座位一点、订单生成，完事。结果一压测，库存直接变负数，老板（老师）脸都绿了。
痛点总结如下：

没有事务，扣库存和写订单各玩各的，中途异常就回不了头
并发测试=0，本地 Postman 单线程跑通就算“上线”
数据库一张ticket表存剩余座位，前端点一次UPDATE set count=count-1就完事，连版本号都没有
接口不做幂等，用户双击就把同座位买两次，退款流程直接原地爆炸

一句话：功能堆得再花哨，一上并发就露馅。毕设想拿优，先把“卖超”解决掉。

2. 技术选型：别一上来就“分布式”

很多同学被微服务洗脑，非要把购票拆成 7 个服务，结果 4 月答辩，3 月还在调 RPC。新手阶段，单体+清晰模块足够。

维度	Spring Boot	Django
学习资料	Java 系教材遍地	Python 语法爽，但中文资料偏少
事务封装	`@Transactional`一键声明	手动`transaction.atomic()`易漏
就业面	国内岗位最多	岗位偏少，面试常问 Java

结论：Java 同学无脑 Spring Boot，Python 铁粉再考虑 Django。

数据库：MySQL 8 还是 SQLite？

SQLite 零配置，IDEA 神器，但写锁库级，并发发一高就排队
MySQL 8 行锁+MVCC，毕设答辩现场 200 并发压测能扛住
云服务器 1 核 2 G 装 MySQL 完全跑得动，别省这一步

Redis 要不要上？

纯演示、并发<50，可以不上
想提前体验“缓存预热”“分布式锁”，装一个 200 MB 内存占用的 Docker 版 Redis 即可，代码里就两三行注解，收益肉眼可见

3. 核心实现：一条事务里做完“查-锁-减-写”

思路：

用户选座→系统生成订单→减库存，三步必须在同一事务，失败整体回滚
用乐观锁（version 字段）替代“无脑减 1”，防止并发写覆盖
对外接口保证幂等：订单号全局唯一，重复提交直接返回原结果

技术栈：Spring Boot 2.7 + MyBatis-Plus + MySQL 8

3.1 数据库设计（极简版）

CREATE TABLE session ( id BIGINT PRIMARY KEY, film_id BIGINT, start_time DATETIME, total_seats INT, version INT DEFAULT 0 -- 乐观锁 ); CREATE TABLE `order` ( id BIGINT PRIMARY KEY, session_id BIGINT, user_id BIGINT, seats INT, status ENUM('LOCK','PAID','CLOSED'), create_time DATETIME, UNIQUE KEY uk_session_user (session_id, user_id) -- 天然幂等 );

3.2 关键代码（含注释）

@Service public class TicketService { @Autowired private SessionMapper sessionMapper; @Autowired private OrderMapper orderMapper; /** * 购票接口：事务+乐观锁+幂等 */ @Transactional(rollbackFor = Exception.class) public String buyTicket(Long sessionId, Long userId, int buySeats) { // 1. 幂等判断：同一会话同一用户已下单直接返回 Order exist = orderMapper.selectOne( new QueryWrapper<Order>() .eq("session_id", sessionId) .eq("user_id", userId)); if (exist != null) { return exist.getId(); // 直接返回旧订单号 } // 2. 带版本号的行锁查询 Session s = sessionMapper.selectById(sessionId); if (s.getTotalSeats() < buySeats) { throw new RuntimeException("余票不足"); } // 3. 乐观锁更新库存 int affected = sessionMapper.update(null, new UpdateWrapper<Session>() .setSql("total_seats = total_seats - " + buySeats) .eq("id", sessionId) .eq("version", s.getVersion())); // 版本一致才更新 if (affected == 0) { throw new RuntimeException("并发冲突，请重试"); } // 4. 写订单 Order o = new Order(); o.setId(UUID.randomUUID().toString()); o.setSessionId(sessionId); o.setUserId(userId); o.setSeats(buySeats); o.setStatus("LOCK"); o.setCreateTime(LocalDateTime.now()); orderMapper.insert(o); return o.getId(); } }

要点回顾：

@Transactional保证 2、3、4 步同生共死
version字段+UpdateWrapper实现乐观锁，避免超卖
唯一索引uk_session_user天然挡住重复下单，幂等不依赖 Token

4. 性能与安全：学生党最容易忽视的三件事

冷启动延迟
Spring Boot 3.x 原生启动 3-4 s，老笔记本跑 Demo 时老师以为死机。解决：
- 关闭不必要的spring-boot-starter-xxx
- 在测试环境加spring.main.lazy-initialization=true
SQL 注入
MyBatis-Plus 的QueryWrapper已经参数化，但手写 SQL 时一定用#{}而非${}，老师抓包演示最尴尬
接口幂等
除了唯一索引，前端可加“提交中”遮罩，后端对同一sessionId+userId返回相同订单号，用户体验瞬间高级

5. 生产环境踩坑实录

时区：本地application.yml里server.time-zone=GMT+8，服务器是 UTC，订单时间直接穿越。统一写spring.jackson.time-zone=Asia/Shanghai
连接数：默认 Hikari 10 个连接，压测 200 并发瞬间打满，报错“connection timeout”。改成 50 并配合连接等待，足够演示
日志：Tomcat 疯狂刷DEBUG，磁盘 2 G 瞬间没。上线前把logging.level.root=INFO
高并发模拟：别拿 Postman 点 20 次就算“压力测试”。用 ApacheBench 或国产 Go 版hey工具，50 ms 间隔打 1 分钟，超卖问题立即现形

6. 拓展思考：不 benchmark 消息队列，还能怎么缓解超卖？

纯数据库乐观锁已能扛住千级并发，但版本重试会放大 RT。可把重试逻辑放到应用层循环 3 次，或直接用SELECT ... FOR UPDATE行锁，降低冲突概率
将“库存”拆成座位粒度数表，一行一座位，冲突粒度更细，超卖概率指数级下降
本地缓存+定时刷新：启动时把余票加载到ConcurrentHashMap，写操作走 DB，读操作 99% 命中内存，压测数字好看，老师点赞