淘票票（Taopiaopiao）-高并发分布式票务系统

一个基于 Spring Cloud Alibaba 构建的高并发票务系统，专注于演唱会/大型活动的高并发抢票场景。

---

🎫 项目简介

淘票票（Taopiaopiao） 是一个高并发分布式票务系统，聚焦于 演唱会/大型活动抢票 等秒杀场景，重点解决 高并发下的库存一致性、性能瓶颈与系统可用性 问题。

本项目仿造淘票票网站构建，主要聚焦于高并发场景下的技术实践与性能优化。

系统设计目标

• 高性能：通过缓存预热、异步削峰、读写分离等手段，支撑 万级 QPS 的并发抢票请求
• 高一致性：使用 Redis Lua 脚本与分布式锁保证库存原子扣减，结合消息队列实现订单与库存最终一致
• 高可用：利用 Sentinel 限流熔断与 Kafka 异步削峰，确保系统在流量洪峰下稳定运行
• 可扩展性：模块化微服务架构 + 分库分表 + Docker 部署，支持灵活扩展与快速上线

该项目不仅是一个票务系统，更是一次 高并发分布式架构的综合实战，涵盖缓存、消息队列、数据库分片、分布式锁、限流熔断等核心技术栈。

---

🔍 项目界面预览

页面	示例截图
登录界面
主页面
分类列表
票务详情页
支付页面

---

📊 核心业务功能

核心业务

• 电影票预订：用户可以浏览电影信息、选择影院、场次和座位，完成在线购票
• 用户管理：支持用户注册、登录、个人信息管理、观影历史等功能
• 订单管理：提供完整的订单生命周期管理，包括下单、支付、退款、改签等
• 支付系统：集成多种支付方式，确保交易安全可靠
• 数据分析：对用户行为、票房数据进行分析，为运营决策提供支持
• 影院/演出管理：影院排片与座位管理、场次安排等

辅助功能

• 验证码服务：提供图形验证码、短信验证码等安全验证
• 缓存管理：优化系统性能，提升用户体验
• 分布式锁：保证分布式环境下的数据一致性
• 延迟队列：处理异步任务，如订单超时取消等
• 用户评价与互动：提供用户对影片的评价和互动功能
• 个性化推荐服务：基于用户行为提供个性化的影片推荐

---

📁 数据库设计概述

数据库表关系

淘票票项目采用分库分表的设计，主要数据库包括：

用户相关数据库 (taopiaopiao_user_0, taopiaopiao_user_1)

• t_user_0, t_user_1: 用户基本信息表
• t_ticket_user_0, t_ticket_user_1: 购票人信息表
• t_user_email_0, t_user_email_1: 用户邮箱信息表
• t_user_mobile_0, t_user_mobile_1: 用户手机号信息表

节目相关数据库 (taopiaopiao_program_0, taopiaopiao_program_1)

• t_program_0, t_program_1: 节目信息表
• t_program_category: 节目分类表
• t_program_group_0: 节目分组表

订单相关数据库 (taopiaopiao_order_0, taopiaopiao_order_1)

• t_order_0 至 t_order_4: 订单信息表
• t_order_ticket_user_0 至 t_order_ticket_user_4: 订单购票人关联表

支付相关数据库 (taopiaopiao_pay_0, taopiaopiao_pay_1)

• t_pay_bill_0, t_pay_bill_1: 支付账单表
• t_refund_bill_0, t_refund_bill_1: 退款账单表

---

🧭 项目架构图

图示

系统架构层次

淘票票项目采用多层架构设计，主要包括：

• 前端层：基于Vue 3的单页应用，提供用户交互界面
• API网关层：统一入口，处理路由、鉴权、限流等功能
• 业务服务层：包含用户、订单、支付、影片等核心业务微服务
• 基础设施层：提供缓存、消息队列、搜索引擎等技术支持
• 数据存储层：包括MySQL、Redis等多种数据存储方案

---

✨ 淘票票项目技术亮点一览

Ⅰ. 核心技术架构与治理

维度	技术/方案	亮点与优势
微服务架构	Spring Cloud Alibaba 全家桶	基于 SpringCloud 体系构建分布式系统，快速实现服务注册、配置管理与流量治理。
服务治理	Nacos + Sentinel	Nacos 实现服务注册与发现、统一配置管理；Sentinel 实现熔断降级、系统自适应限流。
API 网关	Spring Cloud Gateway	统一 API 入口，实现鉴权、路由转发、全局限流、请求日志等功能，保障后端服务安全。
数据层架构	ShardingSphere 分库分表	针对订单、用户等核心表进行分库分表（如按用户ID或订单ID），有效解决海量数据存储瓶长颈与查询性能问题。
ID 生成	分布式 ID (雪花算法优化)	采用优化的雪花算法，保证全局唯一且趋势递增的 ID，满足分库分表键值与高性能要求。

Ⅱ. 高并发与性能优化（万级 QPS 核心保障）

维度	技术/方案	亮点与优势
极致性能优化	订单生成四版本演进	从 V1 直写 DB 到 V4 Redis Lua 原子扣减 + 异步 Kafka 落库 + Redisson 锁，性能提升约 15 倍，达到 12000 QPS。
库存一致性	Redis Lua 脚本原子操作	使用 Lua 脚本将"检查库存"和"扣减库存"封装为单个原子命令执行，彻底杜绝超卖。
多级缓存体系	Caffeine (L1) + Redis (L2)	本地缓存（Caffeine）承担热点数据第一层压力，分布式缓存（Redis）提供共享数据，有效降低网络IO和数据库压力。
缓存安全	防穿透、击穿、雪崩	布隆过滤器 结合缓存空值防穿透；数据预热 + 热点数据永不失效 防击穿/雪崩。
分布式锁	Redisson 高性能分布式锁	采用 Redisson 实现了基于 Redis 的分布式锁，具备自动续期（看门狗）、防止死锁等特性，保障购票过程并发安全。

Ⅲ. 核心中间件高级应用

维度	技术/方案	亮点与优势
异步处理与削峰	Kafka 消息队列	核心购票流程采用 Kafka 异步处理订单落库、库存补偿等，平滑流量洪峰，保障系统高可用。
业务一致性	Redis 延迟队列 (ZSet)	精准控制订单支付超时关闭逻辑，超时未支付则释放库存，保证资源最大化利用。
数据流处理	Redis Stream	用于实现消息队列特性，支持消费组、消息持久化和消费追踪，用于日志或关键操作的可靠记录。
数据搜索	Elasticsearch (ES)	为票务/场次提供高性能全文检索服务，支持复杂条件筛选和快速响应。
可观测性	ELK Stack (日志) + Prometheus/Grafana (监控)	统一日志采集、存储与查询；实时监控 JVM、业务指标、延迟、错误率，实现高效故障排查和预警。

Ⅳ. 核心业务与工程实践

维度	技术/方案	亮点与优势
数据一致性	延迟双删/消息队列补偿	结合使用延迟双删策略和消息队列保证最终一致性，解决高并发下缓存与数据库的瞬时不一致问题。
线程池优化	定制化线程池	基于业务场景定制 IO 密集型和 CPU 密集型线程池，并集成 TraceId（MDC），便于跨线程的日志链路追踪。
幂等性保障	防重复提交机制	采用 AOP 注解 + Token/分布式锁，实现订单创建、支付等核心接口的幂等性控制，防止用户重复操作。
读写分离优化	订单查询分库设计	针对订单历史查询进行分库设计，避免用户高频查询引发的读扩散问题影响核心业务数据库。
组件化设计	SpringBoot Starter	封装可复用的业务组件，基于 SpringBoot 自动装配机制，提高代码复用率和开发效率。

---

🎯 系统特性

高性能

• 采用Redis缓存热点数据
• 使用线程池优化并发处理能力
• 数据库读写分离，分库分表策略
• Elasticsearch实现高效搜索

高可用

• 服务多实例部署
• 熔断、限流、降级机制
• 服务注册与发现
• 灰度发布策略

可扩展

• 微服务架构，服务独立部署
• 基于消息队列实现服务解耦
• 接口标准化，便于功能扩展

---

🎭 业务流程概述

用户业务流程

用户注册与登录

• 支持手机号注册登录
• 支持邮箱注册登录
• 集成图形验证码防止恶意注册

用户购票流程

1. 用户登录系统
2. 浏览并选择节目
3. 选择场次和座位
4. 填写购票人信息
5. 提交订单并支付
6. 查看订单详情和票务信息

用户订单管理

• 查看订单列表
• 查看订单详情
• 取消未支付订单
• 申请退票
• 查看票夹信息

节目业务流程

节目信息管理

• 节目按类型分类（演唱会、话剧歌剧、体育、儿童亲子等）
• 节目支持多城市演出，通过节目分组关联
• 节目信息包含演出时间、地点、票价等详细信息

节目浏览流程

1. 用户访问首页，查看推荐节目列表
2. 可按分类浏览不同类型节目
3. 点击节目查看详细信息
4. 选择场次和票档

---

🔧 快速运行

本地环境依赖

• JDK 17
• Maven 3.8+
• MySQL 8+
• Redis 6+
• Kafka 3+
• Nacos 2.x

启动步骤

# clone 仓库
git clone https://github.com/java-up-up/taopiaopiao.git
cd taopiaopiao

# 构建
mvn clean package -DskipTests

# 启动依赖服务（推荐使用 Docker Compose）
docker-compose up -d

# 启动应用服务
cd taopiaopiao-server
mvn spring-boot:run

Swagger 接口文档

访问：http://localhost:8080/swagger-ui/index.html

---

📈 性能优化实践

本地 JMeter 压测（1w 并发）结果：

版本	QPS	平均延迟	超卖情况
V1（直写 DB）	~800	500ms+	严重
V2（Redis 预扣）	~3500	120ms	少量
V3（Redis Lua + Kafka）	~12000	40ms	无
V4（加锁优化）	~11000	50ms	无

⚡ 从直写 DB 到异步 Kafka，性能提升约 15 倍。