去年我陪一个开台球室的朋友喝酒他抱怨了半个晚上三个店员轮班倒一年光人力成本吃掉二十多万还经常因为排班问题跟顾客起争执。凌晨两点的场子明明空着也没法接单。我当时就跟他拍胸脯说这个问题不是靠多招人能解决的你得让系统替人盯着。后来我用了大概一个半月把一套基于Java的无人台球茶室棋牌一体系统从零写到能上线跑他那个门店到现在已经稳定运行了大半年。这篇文章就把这套系统的完整设计思路、核心模块拆解、硬件联动方案以及我踩过的坑一次性说清楚。如果你正准备做无人自助台球室、棋牌室、茶室这类综合娱乐空间的数字化改造或者你是Java开发者想找一个有真实业务场景的实战项目来练手这篇文章应该能给你不少参考。1. 从门店痛点反推需求这套系统到底要解决什么事写代码之前我花了一个礼拜泡在那个台球室里观察整个门店一天的动线顾客进门、咨询价格、开台、拿球杆、打球、中途买水、结账离场。这还是在有店员的情况下。如果要做成无人模式这些环节里有三件事是系统必须替代人工的。1.1 传统门店的三大死穴人、账、时间第一是人力成本。台球室和茶室的营业高峰集中在傍晚六点到凌晨两点这个时间段恰好是排班最痛苦的时候。一个门店至少需要两名店员轮班月薪加提成再加社保一年下来十几万打底。如果是二十四小时营业的场子人力成本会更夸张。无人化改造的价值不只是省这一笔钱而是让门店在凌晨两三点也能正常接单边际成本几乎为零。第二是账目混乱。手写开台单、微信转账记录、口头折扣这些在高峰期一乱月底对账就是一场灾难。我见过很多小老板一个月营业额做了十万年底一算利润只剩两万钱全漏在损耗和坏账里了。第三是时间资产浪费。棋牌室和茶室有个特点包厢的时间就是商品。台球桌空着就是钱在流失。但传统模式下顾客想续时得喊店员店员得跑过去看计时器忙起来根本顾不上。系统要做的核心事情就是让时间变成可以被自动计量、自动收费、自动释放的数字资产。1.2 棋牌一体的业态模型一套系统管三种生意这个项目叫棋牌一体系统核心逻辑不是把三个独立系统拼在一起而是用一套订单模型抽象出三种不同的计费场景。台球桌是按桌计费棋牌包间是按间计费茶室散座是按座计费。这三者的共同点是都有时段属性区别在于价格策略、可容纳人数、以及是否包含商品消费。所以我在设计订单表时没有为台球、棋牌、茶室单独建表而是通过一个venue_type字段来区分场景再通过price_strategy_id关联到对应的计费策略。这样商家在后台上新一个VIP台球桌或者豪华棋牌包间只需要加一条场地记录不用改任何代码。后面我会详细讲这个设计的具体实现。1.3 无人自助的核心流程闭环整套系统的业务闭环是这样的顾客到店后用微信扫描桌台或包厢门上的二维码进入小程序选择时长或套餐支付完成后订单生效系统自动向智能电箱发送通电指令同时给门禁发送开锁指令。顾客使用期间可以随时在小程序上加钟。使用时间剩余十分钟时系统推送续费提醒。时间耗尽后如果顾客没有续费系统自动断电并推送离场提示。商家端可以在后台实时看到所有场地的状态空闲、使用中、待清洁、已锁定。这个闭环里最关键的设计原则是所有物理动作必须由系统自动触发而不是依赖人工确认。比如顾客说我走了你帮我关一下这在无人模式下是行不通的。系统必须能感知到顾客是否真的离场否则就会出现在包厢里睡着、系统不知道人还在里面的情况。后面我会专门讲我是怎么用设备心跳订单状态机来解决这个问题。2. 技术栈和项目结构为什么是Spring Boot而不是别的这套系统后端我用的是Spring Boot 2.7.x前端管理端用的Vue 3 Element Plus用户端是微信小程序原生框架。数据库MySQL 8.0缓存Redis定时任务用Quartz硬件通信走Netty长连接。单机部署跑百台设备以内的门店集群完全没有压力。2.1 选型理由稳定优先拒绝花里胡哨市面上现在有很多微服务框架、云原生方案。但说实话这种门店级管理系统体量就在那里强行上微服务纯粹是给自己找罪受。我选Spring Boot是因为它生态成熟、资料多、招人容易而且单机部署运维成本极低。最关键的一点是Spring Boot的天然事务管理在处理订单支付、硬件指令联动这种强一致场景时非常顺手。数据库选MySQL是因为这笔账很好算一家门店的场地数量通常在一百个以内每天产生订单大约两三百笔这个并发量对MySQL来说连热身都算不上。但我仍然把MySQL的innodb_buffer_pool_size调到了2G因为后续要加报表统计功能全表扫描的频率会比较高。2.2 Maven多模块的目录划分这是项目的Maven模块划分parent-pom ├── chatbot-framework ├── chatbot-admin # 商家管理后台 API ├── chatbot-merchant # 商家端小程序 APIH5 打包 ├── chatbot-common # 公共工具类、常量、异常体系 ├── chatbot-device # 硬件通信模块Netty MQTT ├── chatbot-task # 定时任务模块Quartz └── chatbot-api # 开放接口模块对接小程序这个划分是我自己多次重构后沉淀下来的。chatbot-common放的是纯工具类不允许依赖任何业务模块这样所有模块都能共享。chatbot-device独立出来的原因很实际硬件通信的稳定性要求跟HTTP接口不一样它需要长连接、心跳检测、断线重连机制混在业务代码里很容易被事务拦截器干扰。2.3 核心依赖清单dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency dependency groupIdcom.baomidou/groupId artifactIdmybatis-plus-boot-starter/artifactId version3.5.2/version /dependency dependency groupIdio.netty/groupId artifactIdnetty-all/artifactId version4.1.85.Final/version /dependency dependency groupIdorg.quartz-scheduler/groupId artifactIdquartz/artifactId version2.3.2/version /dependency dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-redis/artifactId /dependency这里我要特别说一下Netty。门店里的智能电箱、门禁控制器这些设备大部分都是走TCP协议上报状态。如果用HTTP轮询设备端每三秒请求一次一百台设备就是每秒三十多次请求而且状态实时性还会有一两秒的延迟。Netty长连接让设备主动上报心跳服务端推送指令延时能控制在毫秒级。这是无人值守体验的关键筹码——顾客扫码支付后如果灯要五秒才亮体验就会很糟糕。3. 订单计费状态机无人值守系统的心脏整个系统中最核心、最容易出bug的就是订单状态流转。我把订单设计成一个状态机严格限制每个状态的合法流向这样无论哪个环节出了问题订单都不会陷入无法恢复的死循环。3.1 订单的状态设计public enum OrderStatus { CREATED(0, 已创建待支付), PAID(1, 已支付待开场), PLAYING(2, 使用中), PENDING_RENEW(3, 待续费提醒), TIMEOUT(4, 超时未续费), FINISHED(5, 已结账), REFUNDING(6, 退款中), REFUNDED(7, 已退款), CLOSED(8, 已关闭); public final int code; public final String desc; OrderStatus(int code, String desc) { this.code code; this.desc desc; } }一条正常的订单生命周期是CREATED - PAID - PLAYING - FINISHED。中间会穿插PENDING_RENEW和TIMEOUT这两个状态。我在订单表里加了一个current_status索引所有对订单的更新操作都必须携带WHERE current_status ?条件保证并发环境下不会出现重复操作。这一步很关键可以防止用户重复点击开台按钮导致状态错乱。3.2 预下单与支付回调的处理这里我用了比较成熟的方案用户在小程序点击开台后后端先创建一条CREATED状态的订单返回微信支付的prepay_id。用户支付成功后微信服务器会异步调用后端回调接口回调接口里我会做三件事验证签名、更新订单状态为PAID、发送MQTT消息给对应的设备控制器。Transactional public void handlePayNotify(PayNotifyRequest request) { // 1. 校验签名 if (!wxPayService.verifySign(request)) { throw new BizException(签名校验失败); } // 2. 根据商户订单号查询本地订单 Order order orderMapper.selectByOrderNo(request.getOutTradeNo()); // 3. 校验金额是否一致防止篡改 if (!order.getPayAmount().equals(request.getTotalFee())) { throw new BizException(支付金额不匹配); } // 4. 更新订单状态这里必须带上当前状态条件 int count orderMapper.updateStatus(order.getId(), OrderStatus.CREATED, OrderStatus.PAID); if (count 0) { log.warn(订单重复回调{}, request.getOutTradeNo()); return; } // 5. 锁定场地 venueMapper.lockVenue(order.getVenueId(), order.getId()); // 6. 发送设备指令 deviceService.sendCommand(order.getVenueId(), DeviceAction.POWER_ON, order.getOrderNo()); }这段代码里最容易被忽略的是第4步的count 0判断。微信支付回调在极端情况下会重复投递两次如果没有这个状态条件判断订单就可能被重复激活两次设备会收到两次通电指令场地会被重复锁定。这种bug在测试环境很难发现但上线后就等着被投诉吧。3.3 中场加钟订单金额的动态叠加加钟需求实际上是这套系统里比较难处理的一部分因为它涉及先改订单金额再发起支付。我的做法是引入一个order_extension表每次用户加钟就新增一条记录关联原订单ID。加钟支付成功后更新主订单的end_time和total_amount。拿这个例子来说明一个顾客买了两小时台球还剩十五分钟时点加钟一小时。后端计算加钟价格时要判断当前时间是否处于高峰时段。如果原订单是闲时价格买的加钟却正好落在高峰时段内那就应该按高峰价格计算否则对商家不公平。我在price_strategy表里用time_ranges字段来存储时段规则JSON格式让商家可以自己配置。{ rules: [ { start: 18:00, end: 23:59, pricePerHour: 58, pricePerHalfHour: 30 }, { start: 00:00, end: 17:59, pricePerHour: 38, pricePerHalfHour: 20 } ] }加钟用户支付成功后系统会重新计算新的结束时间并通过WebSocket推送一个小程序订阅消息给用户您的订单已成功续费新的离场时间为23:30。3.4 计时的实现定时检测比主动回调更可靠我开始设计时走了弯路想用Netty主动向设备下发时间同步指令让设备本地计时时间到了由设备上报时间到事件。但实际跑下来发现部分设备时钟不稳定而且断网时机房上报会丢失。后来我换了个思路时间以服务端为准用Quartz每分钟跑一个检测任务扫描所有PLAYING状态且end_time 当前时间的订单。发现超时订单后先发一条MQTT消息把对应场地的灯关掉再把订单状态更新为TIMEOUT同时推送消息给顾客您的使用时间已到期如还需使用请在小程序内续费续费成功后自动恢复通电。这个方案的好处是逻辑简单不会因为某个设备的时钟误差导致争议。代价是断电操作最坏情况下会有最多一分钟的延迟。实测下来顾客对这个延迟并不敏感因为系统在剩余十分钟和五分钟时各推送过一次续费提醒正常顾客早就续费了。4. 棋牌一体与多业态计费规则模式抽象的秘密前面说了台球桌、棋牌包间、茶室散座共用一套订单核心差别在于计费规则。但棋牌一体这四个字做起来比想象中复杂的地方在于不同业态的货品组成完全不同。4.1 场地模型与计费策略解耦场地表设计如下public class Venue { private Long id; private String venueName; private Integer venueType; // 1台球桌 2棋牌包间 3茶室散台 4多功能区 private Integer capacity; // 可容纳人数 private Long priceStrategyId; // 关联计费策略 private String qrCodeUrl; // 每张桌子的专属二维码 private Integer deviceId; // 关联的智能电箱设备ID private Integer status; // 0空闲 1使用中 2待清洁 3已锁定 }计费策略表public class PriceStrategy { private Long id; private String strategyName; private Integer billType; // 1按时计费 2按场次 3按人头 private String rulesJson; // 时段规则JSON格式 private Integer depositAmount; // 押金0表示不收押金 private Integer roundUpMinute; // 不足X分钟按X分钟计如15/30 private Integer minDurationMinute; // 最小购买时长 private Integer maxDurationMinute; // 最大购买时长 }这里的billType字段是棋牌一体的关键。台球和茶室通常按时间计费但棋牌包间很多是按场次、按场次4小时这种卖法这在一些地区很常见。按人头计费则适配一些提供茶水服务的饮茶包厢。三种计费方式在开台时对应的初始化逻辑不一样但后续的计时、加钟、结算都走同一套订单流程。4.2 订单快照机制防止价格纠纷这里还涉及一个很实际的细节如果商家在顾客使用中途修改了价格策略已经生成的订单应该按修改前的价格结算。所以我把下单时的价格信息冗余存到订单表里当计费策略被修改时旧订单不受影响。这其实借鉴了电商领域的快照思想。我遇到过一次真实案例商家把台球价格从每小时38元调到58元结果一位两小时的老顾客结账时发现按58元收了直接投诉到平台。从那之后我就在下单时把计费策略的rulesJson完整复制一份存入订单表的price_snapshot字段。顾客加钟时系统优先按订单快照里的价格计算不再实时关联策略表。4.3 会员体系与次卡扣次的并发安全棋牌一体系统如果只做散客黏性会很差。我加了一个会员模块支持充值卡、次卡、积分三种权益。次卡是所有方案里最容易出并发问题的点。顾客在小程序台用次卡开台如果同时点了两次开台按钮后端如果没有加锁可能两次请求都判断次卡剩余次数充足然后各扣一次导致一张三次卡被扣成负数。我的解决方案是加一个Redis分布式锁锁的粒度是用户IDString lockKey member_card:consume: userId; boolean locked redisLock.tryLock(lockKey, 5, TimeUnit.SECONDS); if (!locked) { throw new BizException(操作太频繁请稍后再试); } try { // 查询次卡剩余次数并扣减 int count memberCardMapper.decrementRemainTimes(cardId, 1, 0); if (count 0) { throw new BizException(次卡剩余次数不足); } } finally { redisLock.unlock(lockKey); }注意decrementRemainTimes这个SQL的最后一个参数0这是扣次的最小边界条件。这句SQL的本质是只有当前剩余次数大于等于1时才允许扣减这样就避免了超扣的问题。Redis锁解决的是同一秒内并发请求的冲突数据库条件更新兜底的是极端情况下的数据一致性。两者配合次卡扣次才能做到万无一失。5. 无人值守体验的关键硬件联动与设备通信一套无人值守系统的软件逻辑再完善如果硬件联动做不好顾客体验就全毁了。这个模块我花的时间甚至比业务代码还要多。5.1 设备接入的整体架构智能设备我选了市面上常见的智能电箱方案一个电箱控制一台台球桌或一个包厢的全部电源支持TCP远程开合闸。门禁用的是支持扫码开门的智能锁同样有TCP协议接口。设备端主动连接服务器通过Netty保持长连接。这是我定义的设备通信协议public class DeviceMessage { private String messageId; // 消息IDUUID private String deviceNo; // 设备编号用于区分是哪台设备 private Integer cmd; // 指令类型 private Object data; // 指令数据 private Long timestamp; // 时间戳 }指令类型定义1 设备心跳 2 设备状态上报电流、电压、开关状态 3 远程通电 4 远程断电 5 远程开锁 6 远程闭锁 7 绑定设备 8 查询设备状态5.2 心跳机制与掉线检测设备每十秒向服务器发送一次心跳服务端记录最后一次心跳时间。Quartz每三十秒扫描一次设备表如果发现某台设备超过一分钟没有心跳就把设备状态标记为离线同时触发告警通知商家。实际部署中我发现一个很隐蔽的问题部分餐厅的WiFi路由器会在凌晨自动重启导致智能电箱集体断线。如果断线检测和自动恢复机制做得不够好就会出现顾客凌晨来打球扫码后系统说订单成功但灯没亮的惨剧。后来我在设备通信模块里加入了断线自动重连机制并且给每台设备维护一个本地缓存队列指令发送失败时自动重发三次。另外智能电箱本身也支持手动开关的物理旁路系统故障时老板可以赶到门店手动打开电源。5.3 失败补偿掉单后的对账机制这里必须说一个比较棘手的场景顾客支付成功了但服务端给设备发断电指令时设备恰好离线导致钱扣了但灯没灭或者钱扣了但门没开。这种情况在系统落地早期几乎每天都会遇到。我的处理方案是引入指令确认机制。服务端向设备发送通电指令后不会立刻认为成功而是等待设备的确认回执。如果三十秒内没有收到回执就触发重发机制。如果重试三次还是失败就把这条指令标记为异常待处理并通知商家后台。商家看到后可以手动重发指令或者联系售后处理。Scheduled(cron 0 */1 * * * ?) public void retryFailedCommands() { ListDeviceCommand failedCommands deviceCommandMapper.selectRetryList(); for (DeviceCommand command : failedCommands) { boolean success deviceChannelManager.send(command); if (success) { command.setStatus(CommandStatus.SUCCESS); } else { command.setRetryCount(command.getRetryCount() 1); if (command.getRetryCount() 3) { command.setStatus(CommandStatus.FAILED); // 推送告警给商家 pushAdminAlert(command); } } deviceCommandMapper.updateById(command); } }这套补偿机制的思路是用户支付是不可逆的事实设备故障是概率性事件系统的职责是让两者之间的差距尽可能小。只要最终能保证用户付了钱就必然能消费消费结束就必然能结算体验就不会崩。6. 商家后台与数据监控这套系统的另一只眼睛商家看板是整个系统里被低估的部分。我朋友的门店上了这套系统之后他每天必看的不是订单流水而是设备在线率和坪效热力图。6.1 商家端需要哪些核心指标管理后台我做了几个核心页面实时场地状态看板、今日/本周/本月营业额趋势、时段利用率热力图、会员储值报表、设备状态监控。场地状态看板是这个系统的灵魂。商家打开手机就能看到整个门店的动态哪张台球桌在用、哪个包厢空着、哪个区域超过预定时间还没人续费。整个页面用红黄绿三种颜色标识场地状态一眼就能掌握全局。时段利用率热力图是我比较满意的功能。它能按一小时粒度展示一周内每个时段的订单量用颜色深浅表示繁忙程度。朋友通过这个热力图发现他的门店周一到周四下午两点到五点有一波稳定的客流于是他推出下午茶时段套餐把这段时间的台费和茶饮打包成一整个优惠套餐营收提升了不少。6.2 远程控制与异常报警后台还集成了远程控制功能商家可以远程给任意一个场地断电、解锁也可以查看某台设备的实时状态。这个功能主要用在两类求助上顾客离场时忘记锁门商家远程帮锁有人被困在包厢里商家远程开锁。异常报警逻辑我设置了三档警告级设备离线超过1分钟 严重级设备离线超过5分钟 或 支付成功但设备无响应 紧急级同一场地连续3次指令失败 或 超时订单超过30分钟仍未处理报警方式目前是公众号模板消息推送和短信通知。实测下来短信通知在夜间值班场景里最实用比App Push可靠得多。7. 一次让人崩溃的线上事故Netty线程模型引发的血案这个章节算是本文赠送给所有准备做硬件通信开发的朋友的避坑专区。整个系统上线两个月都很稳定直到某天凌晨商家突然打电话说所有设备全部离线。7.1 事故现象与排查过程我登录后台发现设备在线率从100%掉到了0%。一开始以为是机房网络问题但SSH连上服务器检查网络时完全正常。接着查看Netty服务日志发现日志里全是OutOfMemoryError: Java heap space。问题定位到这里基本就清楚了Netty收到设备消息后没有正确处理线程模型导致消息在业务处理链路中积压最终把堆内存耗尽。7.2 根因分析共享线程池被业务阻塞我的第一版代码在Netty的channelRead0里直接执行了业务逻辑。这个业务逻辑里包含了数据库操作、Redis操作、甚至远程调用。而Netty的EventLoop线程一旦被阻塞它负责的所有Channel都没法处理新的消息。那天正好赶上晚上八点高峰期大量设备同时上报状态心跳而每条心跳消息又触发了一次数据库查询。数据库连接池在高并发下耗尽请求都阻塞在获取连接那里EventLoop线程被卡住后续所有设备消息都无法处理。加上心跳超时判定设备被服务端判定离线后触发重连重连又带来更多消息最终像滚雪球一样把内存打爆了。7.3 修复方案业务逻辑绝不放在Netty线程里修复方案其实不复杂核心就一句话Netty的EventLoop线程只负责I/O收到消息后立刻丢到业务线程池处理。private final ThreadPoolExecutor executor new ThreadPoolExecutor( 4, // corePoolSize 16, // maximumPoolSize 60, TimeUnit.SECONDS, new LinkedBlockingQueue(10000), new DefaultThreadFactory(device-biz), new ThreadPoolExecutor.CallerRunsPolicy() ); Override protected void channelRead0(ChannelHandlerContext ctx, DeviceMessage msg) { executor.submit(() - processMessage(ctx, msg)); }改造完后跑的这半年再也没有出现过类似的内存溢出问题。这次事故给我最大的教训是做物联网系统开发不能把普通Web服务的思维直接搬过来硬件通信的消息处理链路要单独设计接口超时、线程池隔离、流量削峰都要考虑进去。8. 基于Linux的部署方案与系统参数优化部署环节我踩了不少Linux配置的坑这里挑几个对Java后端同学比较通用的点。8.1 JVM参数与容器配置服务器配置是四核八G内存系统是Ubuntu 20.04。我部署了四个Java服务网关不需要单体就能跑 Redis MySQL Nginx。JVM参数这样设置java -Xms1024m -Xmx2048m \ -XX:MetaspaceSize256m \ -XX:MaxMetaspaceSize512m \ -XX:UseG1GC \ -XX:MaxGCPauseMillis50 \ -jar app.jar这里比较关键的是-XX:MaxGCPauseMillis50。Netty处理设备心跳对GC停顿很敏感如果Full GC导致几十毫秒的暂停设备端心跳超时就会触发误判。用G1垃圾回收器并限制最大停顿时间后这种情况几乎消失了。8.2 Linux连接数限制部署时遇到的一个很无语的问题是设备连接数多了之后系统突然提示Too many open files。排查下来是Linux系统默认的ulimit -n是1024也就是单进程最多打开1024个文件描述符。一百多台设备每台占用一个Socket连接再加上数据库连接、Redis连接、日志文件句柄轻松突破1024。解决方式# 修改/etc/security/limits.conf * soft nofile 65535 * hard nofile 65535 # 修改/etc/sysctl.conf net.core.somaxconn 1024 net.ipv4.tcp_max_syn_backlog 1024改完重启服务问题解决。这个排查点很小但能卡住很多人。8.3 MySQL连接池与定时任务错峰另外一件事是MySQL连接池配置。Netty业务线程池、Quartz定时任务、接口层都在抢数据库连接连接池太小会导致互相阻塞。我采用的是动态调整策略核心接口请求量其实不高所以把HikariCP的maximum-pool-size从10调到20同时给Quartz的Job单独设置一个独立的数据源避免定时任务高峰期跟业务请求抢连接。定时任务调度也做了错峰处理。本来每整分执行一次超时检测如果凌晨一点到三点订单量大的话整分任务会跟支付回调瞬间并发。我把超时检测调成每30秒执行支付回调走异步MQ尽量错开峰值。9. 代码层面的第三个视角业务系统的异常兜底与幂等保护做这种交易型业务系统有一条原则是我始终在执行的所有的写操作都要做到幂等所有的读操作都要有合理的缓存策略所有的异常都要有兜底方案。9.1 支付回调幂等、消息幂等、设备指令幂等支付回调的幂等之前已经提过用状态字段条件更新实现。设备指令的幂等是通过messageId判重实现的设备收到同一个messageId的指令后如果已经执行过就直接忽略。消息推送模块用的是本地消息表定时重试保证订阅消息不丢不重。9.2 Redis缓存与数据库双写一致性场地状态是高频访问的数据。小程序端判断场地是否可开台、后台看板看到场地状态、开台时锁定场地这三处都对场地状态有强一致要求。我用了Redis缓存场地状态但开台操作时直接更新数据库然后通过监听MySQL binlog的Canal组件异步把变更同步到缓存。这个方案的好处是以数据库为准缓存只是加速不会出现缓存与数据库数据冲突的情况。对于单店场景其实不开缓存也扛得住但考虑到后续要开放多门店连锁我把缓存这个中间层提前搭好了。9.3 全局异常处理与日志链路追踪最后是日志。这套系统涉及的环节很多小程序调用、业务处理、设备指令、支付回调。为了排查问题时能快速串联完整链路我在所有接口入口生成了一个traceId通过日志框架的MDC机制把traceId自动注入到每一条日志输出里。这样无论是Netty的日志还是Quartz的日志只要拿到一个traceId就能用Grep把整条链路的所有日志找出来。这是我第一次在正式项目里体会到链路追踪的价值。凌晨两点商家投诉说有个顾客说开了台但灯没亮我只要在小程序后台日志里查到这个订单的traceId然后顺着日志把请求处理过程、支付回调结果、设备指令发送记录全找出来三分钟就能定位问题。10. 上线之后这套系统的实际效益与后续演进现在可以聊聊实际运行数据了。朋友的门店用了这套系统后人力成本从每月两万左右降到了六千保洁和兼职维护营业时间从原来的早十点到凌晨一点延长到了全天二十四小时。凌晨时段的订单量虽然只占全天的一成到两成但那部分营收几乎是纯利润。顾客体验上最明显的变化是不用再等店员确认开台扫码支付后灯一亮就能开始打。很多老顾客反馈说这个过程像自助售货机一样顺畅。商家看板也带来了一个预料之外的好处朋友现在每天都会花十几分钟翻一翻时段热力图根据真实数据调整定价策略而不是凭感觉打折。这套系统目前正在朝两个方向演进。一个是多门店连锁版总部统一管理门店、设备、价格策略各门店独立核算业绩。另一个是会员深度运营通过订单数据给顾客打兴趣标签比如台球重度爱好者棋牌常客茶饮偏好者然后做精准的优惠推送。写到这里我不禁想起当时拍胸脯跟朋友保证一个月搞定时心里其实也没底。这个项目从需求梳理到最终稳定运行中间经历的推翻和重写数不胜数。最大的收获不是那套系统本身而是搞懂了一个朴素的道理真正的无人值守不是用系统冷冰冰地替代人而是把老板的运营经验、顾客的消费习惯、服务的即时响应全部沉淀到代码和流程里让店在经营者睡觉的时候依然在赚钱。如果你也在做类似的项目希望这篇分享能帮你少踩一些坑。
去年我陪一个开台球室的朋友喝酒他抱怨了半个晚上三个店员轮班倒一年光人力成本吃掉二十多万还经常因为排班问题跟顾客起争执。凌晨两点的场子明明空着也没法接单。我当时就跟他拍胸脯说这个问题不是靠多招人能解决的你得让系统替人盯着。后来我用了大概一个半月把一套基于Java的无人台球茶室棋牌一体系统从零写到能上线跑他那个门店到现在已经稳定运行了大半年。这篇文章就把这套系统的完整设计思路、核心模块拆解、硬件联动方案以及我踩过的坑一次性说清楚。如果你正准备做无人自助台球室、棋牌室、茶室这类综合娱乐空间的数字化改造或者你是Java开发者想找一个有真实业务场景的实战项目来练手这篇文章应该能给你不少参考。1. 从门店痛点反推需求这套系统到底要解决什么事写代码之前我花了一个礼拜泡在那个台球室里观察整个门店一天的动线顾客进门、咨询价格、开台、拿球杆、打球、中途买水、结账离场。这还是在有店员的情况下。如果要做成无人模式这些环节里有三件事是系统必须替代人工的。1.1 传统门店的三大死穴人、账、时间第一是人力成本。台球室和茶室的营业高峰集中在傍晚六点到凌晨两点这个时间段恰好是排班最痛苦的时候。一个门店至少需要两名店员轮班月薪加提成再加社保一年下来十几万打底。如果是二十四小时营业的场子人力成本会更夸张。无人化改造的价值不只是省这一笔钱而是让门店在凌晨两三点也能正常接单边际成本几乎为零。第二是账目混乱。手写开台单、微信转账记录、口头折扣这些在高峰期一乱月底对账就是一场灾难。我见过很多小老板一个月营业额做了十万年底一算利润只剩两万钱全漏在损耗和坏账里了。第三是时间资产浪费。棋牌室和茶室有个特点包厢的时间就是商品。台球桌空着就是钱在流失。但传统模式下顾客想续时得喊店员店员得跑过去看计时器忙起来根本顾不上。系统要做的核心事情就是让时间变成可以被自动计量、自动收费、自动释放的数字资产。1.2 棋牌一体的业态模型一套系统管三种生意这个项目叫棋牌一体系统核心逻辑不是把三个独立系统拼在一起而是用一套订单模型抽象出三种不同的计费场景。台球桌是按桌计费棋牌包间是按间计费茶室散座是按座计费。这三者的共同点是都有时段属性区别在于价格策略、可容纳人数、以及是否包含商品消费。所以我在设计订单表时没有为台球、棋牌、茶室单独建表而是通过一个venue_type字段来区分场景再通过price_strategy_id关联到对应的计费策略。这样商家在后台上新一个VIP台球桌或者豪华棋牌包间只需要加一条场地记录不用改任何代码。后面我会详细讲这个设计的具体实现。1.3 无人自助的核心流程闭环整套系统的业务闭环是这样的顾客到店后用微信扫描桌台或包厢门上的二维码进入小程序选择时长或套餐支付完成后订单生效系统自动向智能电箱发送通电指令同时给门禁发送开锁指令。顾客使用期间可以随时在小程序上加钟。使用时间剩余十分钟时系统推送续费提醒。时间耗尽后如果顾客没有续费系统自动断电并推送离场提示。商家端可以在后台实时看到所有场地的状态空闲、使用中、待清洁、已锁定。这个闭环里最关键的设计原则是所有物理动作必须由系统自动触发而不是依赖人工确认。比如顾客说我走了你帮我关一下这在无人模式下是行不通的。系统必须能感知到顾客是否真的离场否则就会出现在包厢里睡着、系统不知道人还在里面的情况。后面我会专门讲我是怎么用设备心跳订单状态机来解决这个问题。2. 技术栈和项目结构为什么是Spring Boot而不是别的这套系统后端我用的是Spring Boot 2.7.x前端管理端用的Vue 3 Element Plus用户端是微信小程序原生框架。数据库MySQL 8.0缓存Redis定时任务用Quartz硬件通信走Netty长连接。单机部署跑百台设备以内的门店集群完全没有压力。2.1 选型理由稳定优先拒绝花里胡哨市面上现在有很多微服务框架、云原生方案。但说实话这种门店级管理系统体量就在那里强行上微服务纯粹是给自己找罪受。我选Spring Boot是因为它生态成熟、资料多、招人容易而且单机部署运维成本极低。最关键的一点是Spring Boot的天然事务管理在处理订单支付、硬件指令联动这种强一致场景时非常顺手。数据库选MySQL是因为这笔账很好算一家门店的场地数量通常在一百个以内每天产生订单大约两三百笔这个并发量对MySQL来说连热身都算不上。但我仍然把MySQL的innodb_buffer_pool_size调到了2G因为后续要加报表统计功能全表扫描的频率会比较高。2.2 Maven多模块的目录划分这是项目的Maven模块划分parent-pom ├── chatbot-framework ├── chatbot-admin # 商家管理后台 API ├── chatbot-merchant # 商家端小程序 APIH5 打包 ├── chatbot-common # 公共工具类、常量、异常体系 ├── chatbot-device # 硬件通信模块Netty MQTT ├── chatbot-task # 定时任务模块Quartz └── chatbot-api # 开放接口模块对接小程序这个划分是我自己多次重构后沉淀下来的。chatbot-common放的是纯工具类不允许依赖任何业务模块这样所有模块都能共享。chatbot-device独立出来的原因很实际硬件通信的稳定性要求跟HTTP接口不一样它需要长连接、心跳检测、断线重连机制混在业务代码里很容易被事务拦截器干扰。2.3 核心依赖清单dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency dependency groupIdcom.baomidou/groupId artifactIdmybatis-plus-boot-starter/artifactId version3.5.2/version /dependency dependency groupIdio.netty/groupId artifactIdnetty-all/artifactId version4.1.85.Final/version /dependency dependency groupIdorg.quartz-scheduler/groupId artifactIdquartz/artifactId version2.3.2/version /dependency dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-redis/artifactId /dependency这里我要特别说一下Netty。门店里的智能电箱、门禁控制器这些设备大部分都是走TCP协议上报状态。如果用HTTP轮询设备端每三秒请求一次一百台设备就是每秒三十多次请求而且状态实时性还会有一两秒的延迟。Netty长连接让设备主动上报心跳服务端推送指令延时能控制在毫秒级。这是无人值守体验的关键筹码——顾客扫码支付后如果灯要五秒才亮体验就会很糟糕。3. 订单计费状态机无人值守系统的心脏整个系统中最核心、最容易出bug的就是订单状态流转。我把订单设计成一个状态机严格限制每个状态的合法流向这样无论哪个环节出了问题订单都不会陷入无法恢复的死循环。3.1 订单的状态设计public enum OrderStatus { CREATED(0, 已创建待支付), PAID(1, 已支付待开场), PLAYING(2, 使用中), PENDING_RENEW(3, 待续费提醒), TIMEOUT(4, 超时未续费), FINISHED(5, 已结账), REFUNDING(6, 退款中), REFUNDED(7, 已退款), CLOSED(8, 已关闭); public final int code; public final String desc; OrderStatus(int code, String desc) { this.code code; this.desc desc; } }一条正常的订单生命周期是CREATED - PAID - PLAYING - FINISHED。中间会穿插PENDING_RENEW和TIMEOUT这两个状态。我在订单表里加了一个current_status索引所有对订单的更新操作都必须携带WHERE current_status ?条件保证并发环境下不会出现重复操作。这一步很关键可以防止用户重复点击开台按钮导致状态错乱。3.2 预下单与支付回调的处理这里我用了比较成熟的方案用户在小程序点击开台后后端先创建一条CREATED状态的订单返回微信支付的prepay_id。用户支付成功后微信服务器会异步调用后端回调接口回调接口里我会做三件事验证签名、更新订单状态为PAID、发送MQTT消息给对应的设备控制器。Transactional public void handlePayNotify(PayNotifyRequest request) { // 1. 校验签名 if (!wxPayService.verifySign(request)) { throw new BizException(签名校验失败); } // 2. 根据商户订单号查询本地订单 Order order orderMapper.selectByOrderNo(request.getOutTradeNo()); // 3. 校验金额是否一致防止篡改 if (!order.getPayAmount().equals(request.getTotalFee())) { throw new BizException(支付金额不匹配); } // 4. 更新订单状态这里必须带上当前状态条件 int count orderMapper.updateStatus(order.getId(), OrderStatus.CREATED, OrderStatus.PAID); if (count 0) { log.warn(订单重复回调{}, request.getOutTradeNo()); return; } // 5. 锁定场地 venueMapper.lockVenue(order.getVenueId(), order.getId()); // 6. 发送设备指令 deviceService.sendCommand(order.getVenueId(), DeviceAction.POWER_ON, order.getOrderNo()); }这段代码里最容易被忽略的是第4步的count 0判断。微信支付回调在极端情况下会重复投递两次如果没有这个状态条件判断订单就可能被重复激活两次设备会收到两次通电指令场地会被重复锁定。这种bug在测试环境很难发现但上线后就等着被投诉吧。3.3 中场加钟订单金额的动态叠加加钟需求实际上是这套系统里比较难处理的一部分因为它涉及先改订单金额再发起支付。我的做法是引入一个order_extension表每次用户加钟就新增一条记录关联原订单ID。加钟支付成功后更新主订单的end_time和total_amount。拿这个例子来说明一个顾客买了两小时台球还剩十五分钟时点加钟一小时。后端计算加钟价格时要判断当前时间是否处于高峰时段。如果原订单是闲时价格买的加钟却正好落在高峰时段内那就应该按高峰价格计算否则对商家不公平。我在price_strategy表里用time_ranges字段来存储时段规则JSON格式让商家可以自己配置。{ rules: [ { start: 18:00, end: 23:59, pricePerHour: 58, pricePerHalfHour: 30 }, { start: 00:00, end: 17:59, pricePerHour: 38, pricePerHalfHour: 20 } ] }加钟用户支付成功后系统会重新计算新的结束时间并通过WebSocket推送一个小程序订阅消息给用户您的订单已成功续费新的离场时间为23:30。3.4 计时的实现定时检测比主动回调更可靠我开始设计时走了弯路想用Netty主动向设备下发时间同步指令让设备本地计时时间到了由设备上报时间到事件。但实际跑下来发现部分设备时钟不稳定而且断网时机房上报会丢失。后来我换了个思路时间以服务端为准用Quartz每分钟跑一个检测任务扫描所有PLAYING状态且end_time 当前时间的订单。发现超时订单后先发一条MQTT消息把对应场地的灯关掉再把订单状态更新为TIMEOUT同时推送消息给顾客您的使用时间已到期如还需使用请在小程序内续费续费成功后自动恢复通电。这个方案的好处是逻辑简单不会因为某个设备的时钟误差导致争议。代价是断电操作最坏情况下会有最多一分钟的延迟。实测下来顾客对这个延迟并不敏感因为系统在剩余十分钟和五分钟时各推送过一次续费提醒正常顾客早就续费了。4. 棋牌一体与多业态计费规则模式抽象的秘密前面说了台球桌、棋牌包间、茶室散座共用一套订单核心差别在于计费规则。但棋牌一体这四个字做起来比想象中复杂的地方在于不同业态的货品组成完全不同。4.1 场地模型与计费策略解耦场地表设计如下public class Venue { private Long id; private String venueName; private Integer venueType; // 1台球桌 2棋牌包间 3茶室散台 4多功能区 private Integer capacity; // 可容纳人数 private Long priceStrategyId; // 关联计费策略 private String qrCodeUrl; // 每张桌子的专属二维码 private Integer deviceId; // 关联的智能电箱设备ID private Integer status; // 0空闲 1使用中 2待清洁 3已锁定 }计费策略表public class PriceStrategy { private Long id; private String strategyName; private Integer billType; // 1按时计费 2按场次 3按人头 private String rulesJson; // 时段规则JSON格式 private Integer depositAmount; // 押金0表示不收押金 private Integer roundUpMinute; // 不足X分钟按X分钟计如15/30 private Integer minDurationMinute; // 最小购买时长 private Integer maxDurationMinute; // 最大购买时长 }这里的billType字段是棋牌一体的关键。台球和茶室通常按时间计费但棋牌包间很多是按场次、按场次4小时这种卖法这在一些地区很常见。按人头计费则适配一些提供茶水服务的饮茶包厢。三种计费方式在开台时对应的初始化逻辑不一样但后续的计时、加钟、结算都走同一套订单流程。4.2 订单快照机制防止价格纠纷这里还涉及一个很实际的细节如果商家在顾客使用中途修改了价格策略已经生成的订单应该按修改前的价格结算。所以我把下单时的价格信息冗余存到订单表里当计费策略被修改时旧订单不受影响。这其实借鉴了电商领域的快照思想。我遇到过一次真实案例商家把台球价格从每小时38元调到58元结果一位两小时的老顾客结账时发现按58元收了直接投诉到平台。从那之后我就在下单时把计费策略的rulesJson完整复制一份存入订单表的price_snapshot字段。顾客加钟时系统优先按订单快照里的价格计算不再实时关联策略表。4.3 会员体系与次卡扣次的并发安全棋牌一体系统如果只做散客黏性会很差。我加了一个会员模块支持充值卡、次卡、积分三种权益。次卡是所有方案里最容易出并发问题的点。顾客在小程序台用次卡开台如果同时点了两次开台按钮后端如果没有加锁可能两次请求都判断次卡剩余次数充足然后各扣一次导致一张三次卡被扣成负数。我的解决方案是加一个Redis分布式锁锁的粒度是用户IDString lockKey member_card:consume: userId; boolean locked redisLock.tryLock(lockKey, 5, TimeUnit.SECONDS); if (!locked) { throw new BizException(操作太频繁请稍后再试); } try { // 查询次卡剩余次数并扣减 int count memberCardMapper.decrementRemainTimes(cardId, 1, 0); if (count 0) { throw new BizException(次卡剩余次数不足); } } finally { redisLock.unlock(lockKey); }注意decrementRemainTimes这个SQL的最后一个参数0这是扣次的最小边界条件。这句SQL的本质是只有当前剩余次数大于等于1时才允许扣减这样就避免了超扣的问题。Redis锁解决的是同一秒内并发请求的冲突数据库条件更新兜底的是极端情况下的数据一致性。两者配合次卡扣次才能做到万无一失。5. 无人值守体验的关键硬件联动与设备通信一套无人值守系统的软件逻辑再完善如果硬件联动做不好顾客体验就全毁了。这个模块我花的时间甚至比业务代码还要多。5.1 设备接入的整体架构智能设备我选了市面上常见的智能电箱方案一个电箱控制一台台球桌或一个包厢的全部电源支持TCP远程开合闸。门禁用的是支持扫码开门的智能锁同样有TCP协议接口。设备端主动连接服务器通过Netty保持长连接。这是我定义的设备通信协议public class DeviceMessage { private String messageId; // 消息IDUUID private String deviceNo; // 设备编号用于区分是哪台设备 private Integer cmd; // 指令类型 private Object data; // 指令数据 private Long timestamp; // 时间戳 }指令类型定义1 设备心跳 2 设备状态上报电流、电压、开关状态 3 远程通电 4 远程断电 5 远程开锁 6 远程闭锁 7 绑定设备 8 查询设备状态5.2 心跳机制与掉线检测设备每十秒向服务器发送一次心跳服务端记录最后一次心跳时间。Quartz每三十秒扫描一次设备表如果发现某台设备超过一分钟没有心跳就把设备状态标记为离线同时触发告警通知商家。实际部署中我发现一个很隐蔽的问题部分餐厅的WiFi路由器会在凌晨自动重启导致智能电箱集体断线。如果断线检测和自动恢复机制做得不够好就会出现顾客凌晨来打球扫码后系统说订单成功但灯没亮的惨剧。后来我在设备通信模块里加入了断线自动重连机制并且给每台设备维护一个本地缓存队列指令发送失败时自动重发三次。另外智能电箱本身也支持手动开关的物理旁路系统故障时老板可以赶到门店手动打开电源。5.3 失败补偿掉单后的对账机制这里必须说一个比较棘手的场景顾客支付成功了但服务端给设备发断电指令时设备恰好离线导致钱扣了但灯没灭或者钱扣了但门没开。这种情况在系统落地早期几乎每天都会遇到。我的处理方案是引入指令确认机制。服务端向设备发送通电指令后不会立刻认为成功而是等待设备的确认回执。如果三十秒内没有收到回执就触发重发机制。如果重试三次还是失败就把这条指令标记为异常待处理并通知商家后台。商家看到后可以手动重发指令或者联系售后处理。Scheduled(cron 0 */1 * * * ?) public void retryFailedCommands() { ListDeviceCommand failedCommands deviceCommandMapper.selectRetryList(); for (DeviceCommand command : failedCommands) { boolean success deviceChannelManager.send(command); if (success) { command.setStatus(CommandStatus.SUCCESS); } else { command.setRetryCount(command.getRetryCount() 1); if (command.getRetryCount() 3) { command.setStatus(CommandStatus.FAILED); // 推送告警给商家 pushAdminAlert(command); } } deviceCommandMapper.updateById(command); } }这套补偿机制的思路是用户支付是不可逆的事实设备故障是概率性事件系统的职责是让两者之间的差距尽可能小。只要最终能保证用户付了钱就必然能消费消费结束就必然能结算体验就不会崩。6. 商家后台与数据监控这套系统的另一只眼睛商家看板是整个系统里被低估的部分。我朋友的门店上了这套系统之后他每天必看的不是订单流水而是设备在线率和坪效热力图。6.1 商家端需要哪些核心指标管理后台我做了几个核心页面实时场地状态看板、今日/本周/本月营业额趋势、时段利用率热力图、会员储值报表、设备状态监控。场地状态看板是这个系统的灵魂。商家打开手机就能看到整个门店的动态哪张台球桌在用、哪个包厢空着、哪个区域超过预定时间还没人续费。整个页面用红黄绿三种颜色标识场地状态一眼就能掌握全局。时段利用率热力图是我比较满意的功能。它能按一小时粒度展示一周内每个时段的订单量用颜色深浅表示繁忙程度。朋友通过这个热力图发现他的门店周一到周四下午两点到五点有一波稳定的客流于是他推出下午茶时段套餐把这段时间的台费和茶饮打包成一整个优惠套餐营收提升了不少。6.2 远程控制与异常报警后台还集成了远程控制功能商家可以远程给任意一个场地断电、解锁也可以查看某台设备的实时状态。这个功能主要用在两类求助上顾客离场时忘记锁门商家远程帮锁有人被困在包厢里商家远程开锁。异常报警逻辑我设置了三档警告级设备离线超过1分钟 严重级设备离线超过5分钟 或 支付成功但设备无响应 紧急级同一场地连续3次指令失败 或 超时订单超过30分钟仍未处理报警方式目前是公众号模板消息推送和短信通知。实测下来短信通知在夜间值班场景里最实用比App Push可靠得多。7. 一次让人崩溃的线上事故Netty线程模型引发的血案这个章节算是本文赠送给所有准备做硬件通信开发的朋友的避坑专区。整个系统上线两个月都很稳定直到某天凌晨商家突然打电话说所有设备全部离线。7.1 事故现象与排查过程我登录后台发现设备在线率从100%掉到了0%。一开始以为是机房网络问题但SSH连上服务器检查网络时完全正常。接着查看Netty服务日志发现日志里全是OutOfMemoryError: Java heap space。问题定位到这里基本就清楚了Netty收到设备消息后没有正确处理线程模型导致消息在业务处理链路中积压最终把堆内存耗尽。7.2 根因分析共享线程池被业务阻塞我的第一版代码在Netty的channelRead0里直接执行了业务逻辑。这个业务逻辑里包含了数据库操作、Redis操作、甚至远程调用。而Netty的EventLoop线程一旦被阻塞它负责的所有Channel都没法处理新的消息。那天正好赶上晚上八点高峰期大量设备同时上报状态心跳而每条心跳消息又触发了一次数据库查询。数据库连接池在高并发下耗尽请求都阻塞在获取连接那里EventLoop线程被卡住后续所有设备消息都无法处理。加上心跳超时判定设备被服务端判定离线后触发重连重连又带来更多消息最终像滚雪球一样把内存打爆了。7.3 修复方案业务逻辑绝不放在Netty线程里修复方案其实不复杂核心就一句话Netty的EventLoop线程只负责I/O收到消息后立刻丢到业务线程池处理。private final ThreadPoolExecutor executor new ThreadPoolExecutor( 4, // corePoolSize 16, // maximumPoolSize 60, TimeUnit.SECONDS, new LinkedBlockingQueue(10000), new DefaultThreadFactory(device-biz), new ThreadPoolExecutor.CallerRunsPolicy() ); Override protected void channelRead0(ChannelHandlerContext ctx, DeviceMessage msg) { executor.submit(() - processMessage(ctx, msg)); }改造完后跑的这半年再也没有出现过类似的内存溢出问题。这次事故给我最大的教训是做物联网系统开发不能把普通Web服务的思维直接搬过来硬件通信的消息处理链路要单独设计接口超时、线程池隔离、流量削峰都要考虑进去。8. 基于Linux的部署方案与系统参数优化部署环节我踩了不少Linux配置的坑这里挑几个对Java后端同学比较通用的点。8.1 JVM参数与容器配置服务器配置是四核八G内存系统是Ubuntu 20.04。我部署了四个Java服务网关不需要单体就能跑 Redis MySQL Nginx。JVM参数这样设置java -Xms1024m -Xmx2048m \ -XX:MetaspaceSize256m \ -XX:MaxMetaspaceSize512m \ -XX:UseG1GC \ -XX:MaxGCPauseMillis50 \ -jar app.jar这里比较关键的是-XX:MaxGCPauseMillis50。Netty处理设备心跳对GC停顿很敏感如果Full GC导致几十毫秒的暂停设备端心跳超时就会触发误判。用G1垃圾回收器并限制最大停顿时间后这种情况几乎消失了。8.2 Linux连接数限制部署时遇到的一个很无语的问题是设备连接数多了之后系统突然提示Too many open files。排查下来是Linux系统默认的ulimit -n是1024也就是单进程最多打开1024个文件描述符。一百多台设备每台占用一个Socket连接再加上数据库连接、Redis连接、日志文件句柄轻松突破1024。解决方式# 修改/etc/security/limits.conf * soft nofile 65535 * hard nofile 65535 # 修改/etc/sysctl.conf net.core.somaxconn 1024 net.ipv4.tcp_max_syn_backlog 1024改完重启服务问题解决。这个排查点很小但能卡住很多人。8.3 MySQL连接池与定时任务错峰另外一件事是MySQL连接池配置。Netty业务线程池、Quartz定时任务、接口层都在抢数据库连接连接池太小会导致互相阻塞。我采用的是动态调整策略核心接口请求量其实不高所以把HikariCP的maximum-pool-size从10调到20同时给Quartz的Job单独设置一个独立的数据源避免定时任务高峰期跟业务请求抢连接。定时任务调度也做了错峰处理。本来每整分执行一次超时检测如果凌晨一点到三点订单量大的话整分任务会跟支付回调瞬间并发。我把超时检测调成每30秒执行支付回调走异步MQ尽量错开峰值。9. 代码层面的第三个视角业务系统的异常兜底与幂等保护做这种交易型业务系统有一条原则是我始终在执行的所有的写操作都要做到幂等所有的读操作都要有合理的缓存策略所有的异常都要有兜底方案。9.1 支付回调幂等、消息幂等、设备指令幂等支付回调的幂等之前已经提过用状态字段条件更新实现。设备指令的幂等是通过messageId判重实现的设备收到同一个messageId的指令后如果已经执行过就直接忽略。消息推送模块用的是本地消息表定时重试保证订阅消息不丢不重。9.2 Redis缓存与数据库双写一致性场地状态是高频访问的数据。小程序端判断场地是否可开台、后台看板看到场地状态、开台时锁定场地这三处都对场地状态有强一致要求。我用了Redis缓存场地状态但开台操作时直接更新数据库然后通过监听MySQL binlog的Canal组件异步把变更同步到缓存。这个方案的好处是以数据库为准缓存只是加速不会出现缓存与数据库数据冲突的情况。对于单店场景其实不开缓存也扛得住但考虑到后续要开放多门店连锁我把缓存这个中间层提前搭好了。9.3 全局异常处理与日志链路追踪最后是日志。这套系统涉及的环节很多小程序调用、业务处理、设备指令、支付回调。为了排查问题时能快速串联完整链路我在所有接口入口生成了一个traceId通过日志框架的MDC机制把traceId自动注入到每一条日志输出里。这样无论是Netty的日志还是Quartz的日志只要拿到一个traceId就能用Grep把整条链路的所有日志找出来。这是我第一次在正式项目里体会到链路追踪的价值。凌晨两点商家投诉说有个顾客说开了台但灯没亮我只要在小程序后台日志里查到这个订单的traceId然后顺着日志把请求处理过程、支付回调结果、设备指令发送记录全找出来三分钟就能定位问题。10. 上线之后这套系统的实际效益与后续演进现在可以聊聊实际运行数据了。朋友的门店用了这套系统后人力成本从每月两万左右降到了六千保洁和兼职维护营业时间从原来的早十点到凌晨一点延长到了全天二十四小时。凌晨时段的订单量虽然只占全天的一成到两成但那部分营收几乎是纯利润。顾客体验上最明显的变化是不用再等店员确认开台扫码支付后灯一亮就能开始打。很多老顾客反馈说这个过程像自助售货机一样顺畅。商家看板也带来了一个预料之外的好处朋友现在每天都会花十几分钟翻一翻时段热力图根据真实数据调整定价策略而不是凭感觉打折。这套系统目前正在朝两个方向演进。一个是多门店连锁版总部统一管理门店、设备、价格策略各门店独立核算业绩。另一个是会员深度运营通过订单数据给顾客打兴趣标签比如台球重度爱好者棋牌常客茶饮偏好者然后做精准的优惠推送。写到这里我不禁想起当时拍胸脯跟朋友保证一个月搞定时心里其实也没底。这个项目从需求梳理到最终稳定运行中间经历的推翻和重写数不胜数。最大的收获不是那套系统本身而是搞懂了一个朴素的道理真正的无人值守不是用系统冷冰冰地替代人而是把老板的运营经验、顾客的消费习惯、服务的即时响应全部沉淀到代码和流程里让店在经营者睡觉的时候依然在赚钱。如果你也在做类似的项目希望这篇分享能帮你少踩一些坑。
