汽车票务系统架构设计与高并发优化实践

1. 项目背景与核心需求

汽车售票网站作为传统客运行业数字化转型的关键载体，正在经历从单纯票务功能向综合出行服务平台转变的过程。m088项目正是基于这样的行业背景，旨在打造一个集班次查询、在线购票、订单管理、旅客服务于一体的现代化汽车票务平台。

这个系统的核心价值在于解决了三个行业痛点：

• 消除地域购票限制，旅客无需再到车站排队
• 实时同步全国客运班次数据，避免信息孤岛
• 通过电子票务系统降低运营方人力成本

从技术视角看，这类系统需要重点处理：

1. 高并发售票时的库存一致性
2. 多运营商间的数据接口标准化
3. 移动端与PC端的跨平台体验统一

2. 系统架构设计

2.1 技术栈选型

前端采用Vue3+Element Plus组合，主要考虑因素包括：

• 组件库丰富，适合快速搭建后台管理系统
• 组合式API更利于复杂业务逻辑封装
• 打包体积比React更小，适合移动端场景

后端选择Spring Boot+MyBatis框架组合，关键优势体现在：

• 自动配置机制简化了微服务部署
• 与Redis的缓存集成只需简单注解
• MyBatis的动态SQL便于处理复杂查询条件

数据库采用MySQL 8.0+Redis 6.2组合方案：

CREATE TABLE `ticket_order` ( `order_id` varchar(32) NOT NULL COMMENT '雪花算法生成', `schedule_id` bigint NOT NULL COMMENT '班次ID', `seat_numbers` varchar(255) NOT NULL COMMENT 'JSON格式座位号', `order_status` tinyint NOT NULL DEFAULT '0' COMMENT '0未支付1已支付2已退票', `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (`order_id`), KEY `idx_schedule` (`schedule_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4

2.2 微服务拆分方案

将系统拆分为四个核心服务：

1. 用户服务：处理注册登录、个人信息管理
2. 班次服务：维护车次、站点、时刻表数据
3. 订单服务：处理购票、退改签业务流
4. 支付服务：对接微信/支付宝支付网关

服务间通信采用RocketMQ实现最终一致性，例如：

• 支付成功消息触发订单状态更新
• 退票申请触发座位库存释放

3. 核心业务实现

3.1 余票查询优化

采用多级缓存策略提升查询性能：

1. 本地缓存：使用Caffeine缓存热门线路数据
2. 分布式缓存：Redis存储实时余票数量
3. 数据库：每日凌晨预生成余票快照

缓存更新策略示例：

@CacheEvict(cacheNames = "ticketCache", key = "#scheduleId") public void updateTicketInventory(Long scheduleId) { // 更新数据库库存 ticketMapper.updateInventory(scheduleId); // 异步刷新Redis缓存 redisTemplate.opsForValue().set( "ticket:"+scheduleId, ticketMapper.selectRemainCount(scheduleId) ); }

3.2 高并发售票控制

实现分布式锁保证库存安全：

1. 采用Redisson实现可重入锁
2. 设置锁自动续期防止业务超时
3. 引入令牌桶算法限流

关键代码逻辑：

public boolean purchaseTicket(Long scheduleId, Integer seatCount) { String lockKey = "lock:ticket:" + scheduleId; RLock lock = redissonClient.getLock(lockKey); try { // 尝试加锁，最多等待500ms，锁持有3000ms if (lock.tryLock(500, 3000, TimeUnit.MILLISECONDS)) { int remain = ticketMapper.selectRemainCount(scheduleId); if (remain >= seatCount) { ticketMapper.updateInventory(scheduleId, remain - seatCount); return true; } } } finally { lock.unlock(); } return false; }

4. 特殊场景处理

4.1 超卖预防机制

采用双重校验保证数据一致性：

1. 前端显示余票时进行第一次过滤
2. 提交订单前再次查询真实库存
3. 支付完成后最终确认座位占用

库存扣减事务处理：

START TRANSACTION; SELECT remain_count FROM ticket_inventory WHERE schedule_id = ? FOR UPDATE; UPDATE ticket_inventory SET remain_count = remain_count - ? WHERE schedule_id = ? AND remain_count >= ?; COMMIT;

4.2 退票业务设计

退票流程需要考虑：

• 不同时间段的退票手续费计算
• 座位库存的延时释放（防止黄牛刷票）
• 原路退款与账户余额两种方式

状态机设计示例：

stateDiagram-v2 [*] --> 未支付 未支付 --> 已取消: 超时未支付 未支付 --> 已支付: 完成支付 已支付 --> 已乘车: 验票通过 已支付 --> 退票中: 申请退票 退票中 --> 已退票: 审核通过 退票中 --> 已支付: 审核拒绝

5. 安全防护措施

5.1 防自动化攻击

实施以下防护策略：

1. 图形验证码：购票关键环节强制验证
2. 行为验证：监测异常点击频率
3. 设备指纹：识别可疑终端设备

5.2 数据加密方案

敏感数据处理方式：

• 用户密码：BCrypt强哈希存储
• 身份证号：AES加密后存储
• 通信数据：全站HTTPS+敏感字段二次加密

加密实现示例：

public String encryptIdCard(String idCard) { Cipher cipher = Cipher.getInstance("AES/CBC/PKCS5Padding"); cipher.init(Cipher.ENCRYPT_MODE, keySpec, ivParameterSpec); byte[] encrypted = cipher.doFinal(idCard.getBytes()); return Base64.getEncoder().encodeToString(encrypted); }

6. 性能优化实践

6.1 数据库优化

实施关键措施：

• 班次表按线路ID水平分表
• 建立组合索引优化查询：

  ALTER TABLE `schedule` ADD INDEX `idx_line_departure` (`line_id`, `departure_time`);

• 使用SSD存储提升IOPS

6.2 前端性能提升

采用以下方案：

1. 路由懒加载减少首屏资源
2. WebP格式压缩站牌图片
3. 关键接口数据预加载
4. 虚拟滚动优化长列表渲染

7. 运维监控体系

7.1 日志收集方案

搭建ELK日志系统：

• Filebeat采集各节点日志
• Logstash进行日志过滤处理
• Elasticsearch建立全文索引
• Kibana提供可视化查询

7.2 业务监控指标

核心监控项包括：

1. 购票成功率
2. 平均响应时间
3. 支付超时率
4. 库存同步延迟

Prometheus配置示例：

- job_name: 'ticket_service' metrics_path: '/actuator/prometheus' static_configs: - targets: ['service1:8080', 'service2:8080']

8. 项目演进方向

未来可扩展功能：

1. 联程票智能推荐算法
2. 基于GIS的实时车辆追踪
3. 人脸识别检票系统集成
4. 会员积分与优惠券体系

技术升级路径：

• 逐步迁移到Service Mesh架构
• 试点应用分布式事务方案
• 引入图数据库优化路径查询

关键实施建议：初期应先保证核心票务流程的稳定性，再逐步扩展增值服务功能。数据库分库分表建议在日订单量超过10万时再考虑实施。