一、系统架构全景图

该系统采用分层架构设计，底层基于JDK21的虚拟线程特性构建高并发基础，通过SpringBoot 3.5.x框架实现快速开发，集成Spring Cloud生态组件构建微服务治理体系。技术栈包含：

持久层：PostgreSQL（分库分表）+ MyBatis-Plus + ShardingSphere
缓存体系：Redis集群（多级缓存）+ Redisson分布式锁
消息中间件：RocketMQ（事务消息）+ 异步任务处理
服务治理：Nacos（配置/服务发现）+ Sentinel（流量控制）
监控体系：Prometheus（指标采集）+ Grafana（可视化） + ELK（日志分析）
存储方案：MinIO对象存储 + 定时数据归档机制

系统设计支持32个逻辑数据库集群，每个集群包含256张业务表，日均处理2.6亿级数据写入，通过动态扩缩容机制实现水平扩展。

二、领域驱动设计实践

1. 战略设计阶段

采用事件风暴工作坊划分核心领域：

// 领域事件示例
public record OrderCreatedEvent(
    String orderId,
    String tenantId,
    List<OrderItem> items,
    BigDecimal totalAmount
) implements DomainEvent {
    // 事件元数据可扩展
}

通过上下文映射图明确各子域边界，将系统划分为：

订单域（核心子域）
菜单域（支撑子域）
支付域（通用子域）
用户域（通用子域）

2. 战术设计实现

采用六边形架构实现领域模型：

@Service
public class OrderDomainService {
    private final OrderRepository orderRepository;
    private final PaymentGateway paymentGateway;
    @Transactional
    public OrderId createOrder(CreateOrderCommand command) {
        // 领域逻辑实现
        Order order = OrderAssembler.assemble(command);
        validateInventory(order);
        calculateDiscount(order);
        // 持久化
        OrderId orderId = orderRepository.save(order);
        // 发布领域事件
        DomainEventPublisher.publish(
            new OrderCreatedEvent(orderId, ...)
        );
        return orderId;
    }
}

通过防腐层（ACL）实现与外部系统的解耦，例如支付网关集成：

public interface PaymentGateway {
    PaymentResult process(PaymentRequest request);
}
@Service
public class AlipayAdapter implements PaymentGateway {
    // 具体支付渠道实现
}

三、多租户架构设计

1. 数据隔离方案

采用数据库架构模式实现强隔离：

-- 租户表结构示例
CREATE TABLE tenants (
    id UUID PRIMARY KEY,
    name VARCHAR(100) NOT NULL,
    schema_name VARCHAR(63) UNIQUE NOT NULL,
    status VARCHAR(20) CHECK (status IN ('ACTIVE','SUSPENDED'))
);
-- 动态数据源路由
public class TenantRoutingDataSource extends AbstractRoutingDataSource {
    @Override
    protected Object determineCurrentLookupKey() {
        return TenantContext.getCurrentTenant();
    }
}

2. 跨租户查询优化

通过视图聚合实现统计查询：

CREATE MATERIALIZED VIEW global_order_stats AS
SELECT 
    date_trunc('day', created_at) as day,
    count(*) as total_orders,
    sum(amount) as total_amount
FROM orders
GROUP BY 1;

配合物化视图刷新策略，在保证数据一致性的前提下提升查询性能。

四、高并发处理策略

1. 缓存架构设计

采用三级缓存策略：

本地缓存：Caffeine实现热点数据本地存储
分布式缓存：Redis集群处理跨服务共享数据
多级缓存：通过Cache-Aside模式实现缓存更新

@Cacheable(value = "menu:items", key = "#tenantId + ':' + #categoryId")
public List<MenuItem> getMenuItems(String tenantId, String categoryId) {
    // 数据库查询
}

2. 异步处理机制

通过RocketMQ实现最终一致性：

@TransactionalEventListener
public void handleOrderCreated(OrderCreatedEvent event) {
    // 构建消息
    Message<PaymentCommand> message = MessageBuilder
        .withPayload(new PaymentCommand(...))
        .setHeader("tenantId", event.tenantId())
        .build();
    // 发送事务消息
    rocketMQTemplate.sendMessageInTransaction(
        "payment-tx-group",
        "payment-topic",
        message,
        null
    );
}

3. 流量控制体系

构建四层防护机制：

网关层：基于Nginx的限流模块
API网关：动态限流策略
服务内部：Sentinel流控规则
数据库层：连接池控制（HikariCP）

五、运维监控体系

1. 指标采集方案

自定义业务指标暴露：

@Bean
public MeterRegistryCustomizer<MeterRegistry> metricsCommonTags() {
    return registry -> registry.config().commonTags(
        "application", "order-service",
        "environment", "production"
    );
}
@Timed(value = "order.create", description = "Time taken to create order")
public OrderId createOrder(...) {
    // 业务逻辑
}

2. 智能告警策略

构建告警规则引擎：

# alert-rules.yml
groups:
- name: order-service
  rules:
  - alert: HighOrderFailureRate
    expr: rate(order_create_failures_total[5m]) / rate(order_create_attempts_total[5m]) > 0.05
    for: 10m
    labels:
      severity: critical
    annotations:
      summary: "High order failure rate on {{ $labels.instance }}"

六、系统扩展性设计

1. 动态扩缩容机制

基于Kubernetes的HPA配置：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: order-service-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: order-service
  minReplicas: 3
  maxReplicas: 20
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70

2. 数据分片策略

采用ShardingSphere实现动态分片：

spring:
  shardingsphere:
    props:
      sql-show: true
    sharding:
      tables:
        t_order:
          actual-data-nodes: ds$->{0..31}.t_order_$->{0..255}
          table-strategy:
            inline:
              sharding-column: order_id
              algorithm-expression: t_order_$->{order_id.hashCode() & 0xFF}
          database-strategy:
            inline:
              sharding-column: tenant_id
              algorithm-expression: ds$->{tenant_id.hashCode() & 0x1F}

该系统方案完整覆盖了从领域建模到运维监控的全生命周期，通过实际生产环境验证的技术组合，为开发者提供了可落地的微服务架构参考。项目实施过程中积累的限流降级、分布式事务、多租户隔离等解决方案，可直接应用于电商、金融等高并发场景的系统建设。

构建高并发SaaS点餐系统：基于微服务架构的深度实践指南