Python+Flask+Django构建高效餐饮配送系统实战-平芜编程栈

1. 项目概述：基于Python的餐饮配送系统设计与实现

最近在帮一家本地连锁餐厅升级他们的订单管理系统，用Python+Flask+Django混搭架构做了套外卖配送系统。这套系统不仅要处理顾客下单流程，还得兼顾后厨分单、骑手调度和员工绩效统计。相比市面上通用的SaaS解决方案，自主开发能完美适配餐厅的特殊业务流程，比如他们的"高峰期动态加价"和"会员积分折现"规则。

从技术选型来看，Flask负责轻量级的API服务，Django则用来搭建后台管理系统。这种组合既保证了订单处理的高并发性能，又提供了完善的后台管理功能。特别在骑手自动派单算法上，我们基于实时路况数据做了优化，比原有手动派单效率提升了40%左右。

2. 系统架构设计

2.1 技术栈选型考量

选择Python生态主要基于三个因素：

开发团队对Python系框架更熟悉，能快速迭代
Django自带的Admin后台能节省30%管理界面开发量
Flask的灵活性适合处理高并发的订单请求

数据库采用PostgreSQL+Redis组合：

PostgreSQL存储核心业务数据（用户/订单/菜品）
Redis缓存菜单数据和骑手实时位置
使用Django ORM统一数据访问层

2.2 核心模块划分

graph TD A[用户端] --> B(菜品展示) A --> C(购物车) A --> D(订单支付) B --> E[Redis缓存] D --> F[PostgreSQL] G[管理后台] --> H(订单管理) G --> I(骑手调度) G --> J(数据统计) H --> F I --> K[高德地图API]

（注：实际开发中删除了mermaid图表，改用文字说明）

系统主要包含三大模块：

用户前端：Vue.js构建的H5页面，包含菜单浏览、购物车、订单跟踪等功能
API服务层：Flask实现的RESTful接口，处理核心业务逻辑
管理后台：Django Admin深度定制，包含：
- 实时订单监控看板
- 骑手自动派单算法
- 销售数据多维分析

3. 关键功能实现细节

3.1 动态定价算法

餐厅要求在午晚高峰时段（11:00-13:00，17:00-19:00）自动上浮配送费5%-15%。实现逻辑：

def calculate_delivery_fee(base_fee, order_time): peak_hours = [ (datetime.time(11,0), datetime.time(13,0)), (datetime.time(17,0), datetime.time(19,0)) ] is_peak = any(start <= order_time.time() <= end for start, end in peak_hours) if is_peak: # 根据实时订单量动态调整加价比例 current_orders = get_current_order_count() if current_orders > 50: return base_fee * 1.15 elif current_orders > 30: return base_fee * 1.10 return base_fee * 1.05 return base_fee

重要提示：动态定价需要在前端明显位置提示用户，避免客诉

3.2 骑手派单优化

结合高德地图API实现的智能派单流程：

获取待分配订单的配送地址
查询半径3km内的空闲骑手
计算每位骑手到商家的预估时间
综合考量：
- 骑手当前负载（未完成订单数）
- 历史配送准时率
- 交通工具类型（电动车/摩托车）

def dispatch_order(order): riders = Rider.objects.filter( status='idle', location__distance_lte=(order.restaurant.location, 3000) ).annotate( eta=Func( F('location'), order.restaurant.location, function='ST_Distance' ) ).order_by('eta')[:5] best_choice = max( riders, key=lambda r: r.performance_score / (r.current_orders + 1) ) assign_order_to_rider(order, best_choice)

4. 性能优化实践

4.1 菜单缓存策略

实测发现菜单API占用了60%的请求量，采用三级缓存方案：

客户端本地缓存（1小时）
CDN边缘缓存（5分钟）
Redis内存缓存（实时更新）

@cache.memoize(timeout=300) def get_menu(restaurant_id): menu = Menu.objects.filter( restaurant_id=restaurant_id, is_active=True ).prefetch_related('categories__items') return serialize_menu(menu)

4.2 数据库查询优化

发现订单列表页存在N+1查询问题，通过以下方式解决：

使用select_related获取外键关联
prefetch_related预取多对多关系

添加数据库索引：

CREATE INDEX idx_order_status ON orders(status); CREATE INDEX idx_order_created ON orders(created_at DESC);

5. 员工管理模块

5.1 权限控制系统

使用Django内置的权限系统扩展：

class StaffPermissionMixin: def dispatch(self, request, *args, **kwargs): if not request.user.has_perm('orders.view_dashboard'): return HttpResponseForbidden() return super().dispatch(request, *args, **kwargs) # 权限颗粒度控制 PERMISSION_MAP = { 'cashier': ['orders.add_order', 'orders.change_order'], 'kitchen': ['orders.view_order', 'orders.change_orderstatus'], 'rider': ['orders.view_order', 'orders.change_deliverystatus'] }

5.2 绩效统计看板

后厨人员绩效评估指标：

订单平均处理时长
退单率
菜品评价均分

骑手绩效维度：

准时送达率
平均配送时长
客户评分

使用Django ORM的聚合函数实现：

def get_kitchen_performance(start_date, end_date): return Order.objects.filter( created_at__range=(start_date, end_date), status='completed' ).annotate( duration=ExpressionWrapper( F('completed_at') - F('confirmed_at'), output_field=DurationField() ) ).aggregate( avg_duration=Avg('duration'), cancel_rate=Count( Case( When(status='cancelled', then=1), output_field=IntegerField() ) ) / Count('id') )