1. 项目背景与需求分析
2020年以来的全球公共卫生事件让高校管理面临全新挑战。某985高校信息中心的张老师至今记得：2022年春季学期，他们用Excel表格手工统计1.2万名学生的晨午检数据，每天要处理300多份异常报告，人工核对耗时超过6小时。这种背景下，我们开发了这套基于Java的疫情封闭管理系统。
系统核心要解决三个痛点：
- 实时健康监测：替代纸质表格，实现体温等指标的数字化采集
- 活动轨迹追溯：通过场所码记录学生动线，建立传播链分析模型
- 资源统筹调度：根据风险等级自动分配防疫物资和隔离床位
实际案例：系统在某高校试运行期间，将疫情信息上报延迟从平均8小时缩短至15分钟，异常情况响应速度提升32倍
2. 技术架构设计
2.1 整体技术栈选型
采用经典的SpringBoot+Vue前后端分离架构，具体技术矩阵如下：
| 层级 | 技术选型 | 选型理由 |
|---|---|---|
| 前端 | Vue3+Element Plus | 组件丰富，适合快速开发管理后台 |
| 后端 | SpringBoot 2.7 + MyBatis | 成熟稳定，社区支持完善 |
| 数据库 | MySQL 8.0 + Redis | 关系型数据存储+高频访问缓存 |
| 消息队列 | RabbitMQ | 削峰填谷处理突发健康上报请求 |
| 地理服务 | 高德地图API | 提供校内建筑位置服务和路径规划 |
| 报表引擎 | EasyExcel | 解决万级数据导出时的OOM问题 |
2.2 核心业务模块设计
系统采用模块化设计，主要包含以下业务组件：
// 健康监测模块核心接口示例 public interface HealthService { /** * 批量处理晨午检数据 * @param records 使用Hutool的ExcelReader解析的原始数据 * @return 导入结果统计 */ HealthImportResult batchImport(List<HealthRecord> records); // 生成健康码状态 HealthCode generateCode(Long userId); }特别要注意的是场所码扫描模块的实现：
- 采用GeoHash算法对校内区域进行网格划分
- 每个网格对应唯一场所码（QRCode）
- 扫描时记录：
用户ID+时间戳+GeoHash值三元组
3. 关键实现细节
3.1 高并发健康上报处理
开学首日往往面临上报高峰，我们通过以下方案保证系统稳定：
- 异步化处理：使用@Async注解实现方法异步执行
- 消息队列削峰：设置RabbitMQ的x-max-length=5000防止堆积
- 缓存策略：Redis缓存最近7天健康数据，采用LFU淘汰策略
// 异步处理示例 @Slf4j @Service public class HealthReportServiceImpl implements HealthReportService { @Autowired private RabbitTemplate rabbitTemplate; @Override @Async("healthTaskExecutor") public void asyncProcessReport(HealthReport report) { try { rabbitTemplate.convertAndSend( "health.report.queue", ObjectMapperUtil.toJson(report)); } catch (Exception e) { log.error("上报异常: {}", report.getStudentId(), e); } } }3.2 轨迹重合度分析算法
当出现阳性病例时，系统会自动计算密接人员：
public class TrajectoryAnalyzer { // 使用JTS拓扑套件进行空间分析 private static final GeometryFactory GEOMETRY_FACTORY = new GeometryFactory(); public List<Long> findCloseContacts(Long positiveUserId, DateRange range) { // 获取确诊者轨迹点 List<Point> casePoints = getTrajectoryPoints(positiveUserId, range); // 构建缓冲区（直径20米范围） Geometry buffer = GEOMETRY_FACTORY.createMultiPoint( casePoints.toArray(new Point[0])) .buffer(10); // 查询范围内其他用户 return trajectoryMapper.selectUsersInGeometry(buffer); } }4. 部署与性能优化
4.1 服务器配置建议
根据万级用户规模的实际测试，推荐配置：
| 服务 | 最低配置 | 说明 |
|---|---|---|
| 应用服务器 | 4核8G × 2台 | 需开启G1垃圾回收器 |
| 数据库 | 8核16G + SSD | 建议配置主从复制 |
| Redis | 哨兵模式 × 3节点 | 每节点4G内存 |
4.2 JVM调优经验
在压力测试中发现的性能瓶颈及解决方案：
- Full GC频繁：调整为G1回收器，设置
-XX:MaxGCPauseMillis=200 - MyBatis缓存溢出：限制一级缓存大小
mybatis.configuration.local-cache-scope=statement - Excel导出OOM：采用EasyExcel的分页查询模式
# 推荐的启动参数 java -jar -Xms4g -Xmx4g -XX:+UseG1GC \ -XX:MaxGCPauseMillis=200 \ -Dspring.profiles.active=prod \ management-system.jar5. 实际应用中的经验教训
5.1 数据一致性保障
我们曾遇到因网络抖动导致健康状态同步延迟的问题，最终通过以下方案解决：
- 引入分布式事务框架Seata
- 对关键操作添加补偿任务（如健康码状态回滚）
- 建立数据对账机制，每天凌晨校验各子系统数据一致性
5.2 安全防护要点
在安全审计中发现的典型问题：
- 二维码伪造风险：增加动态签名机制，每个码有效期为10分钟
- 越权访问漏洞：采用RBAC模型，配合Spring Security的@PreAuthorize注解
- 日志脱敏处理：使用Log4j2的RewritePolicy对身份证号等敏感字段加密
// 权限控制示例 @PreAuthorize("hasRole('HEALTH_ADMIN') or (hasRole('TEACHER') and #classId == principal.classId)") public List<HealthReport> getClassReports(Long classId) { return reportMapper.selectByClassId(classId); }这套系统在某高校稳定运行两个学期后，疫情防控响应速度从原来的小时级提升到分钟级。最让我意外的是，原本设计用于应急的管理系统，后来演化成了校园常态化的数字健康平台——这或许就是特殊时期技术创新的额外价值
