基于Java与MySQL的航空订票系统核心模块设计与源码解析

1. 航空订票系统架构设计航空订票系统本质上是一个典型的高并发事务处理系统我在实际项目中采用分层架构设计。最底层是MySQL数据库层中间是Java业务逻辑层最上层是Web展示层。这种分层设计最大的好处是各层职责明确修改任何一层都不会影响其他层。数据库层我选择了MySQL 8.0主要看中它的ACID特性和事务处理能力。在表结构设计上我特别注意避免数据冗余。比如航班表和机票表是分开的通过外键关联。这样当航班信息变更时只需要修改一处即可。业务逻辑层采用Spring Boot框架它内置的Tomcat容器能轻松应对数百并发请求。我特别使用了Spring的事务管理确保订票过程中的多个数据库操作要么全部成功要么全部回滚。比如用户支付成功后系统需要同时减少座位数和生成订单这两个操作必须在一个事务中完成。Web层采用Thymeleaf模板引擎相比JSP更轻量级。前端页面做了静态资源缓存减少服务器压力。对于高并发的航班查询请求我加入了Redis缓存将热门航线信息缓存起来实测查询性能提升了5倍以上。2. 核心数据库表设计2.1 航班信息表设计航班表(flight)是整个系统的核心字段设计直接影响查询效率。我采用以下关键字段CREATE TABLE flight ( id bigint NOT NULL AUTO_INCREMENT, flight_no varchar(20) NOT NULL COMMENT 航班号, departure_city varchar(50) NOT NULL, arrival_city varchar(50) NOT NULL, departure_time datetime NOT NULL, arrival_time datetime NOT NULL, aircraft_type varchar(30) DEFAULT NULL, total_seats int DEFAULT 0 COMMENT 总座位数, available_seats int DEFAULT 0 COMMENT 可用座位数, price decimal(10,2) DEFAULT NULL, PRIMARY KEY (id), KEY idx_city_time (departure_city,arrival_city,departure_time) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;特别注意创建了联合索引idx_city_time这对提高按城市和时间的查询速度非常关键。实测在有索引的情况下百万级数据量的查询能在50ms内完成。2.2 订单表设计订单表(order)需要记录完整的交易信息我采用状态字段来跟踪订单生命周期CREATE TABLE order ( id bigint NOT NULL AUTO_INCREMENT, order_no varchar(32) NOT NULL COMMENT 订单编号, user_id bigint NOT NULL, flight_id bigint NOT NULL, passenger_name varchar(100) NOT NULL, id_card_no varchar(18) NOT NULL, seat_type tinyint DEFAULT 1 COMMENT 1经济舱 2商务舱, amount decimal(10,2) NOT NULL, status tinyint DEFAULT 0 COMMENT 0待支付 1已支付 2已取消, create_time datetime NOT NULL, update_time datetime NOT NULL, PRIMARY KEY (id), UNIQUE KEY uk_order_no (order_no), KEY idx_user (user_id), KEY idx_flight (flight_id) ) ENGINEInnoDB DEFAULT CHARSETutf8mb4;订单号使用UUID生成确保唯一性。status字段的设计让系统可以轻松扩展新的订单状态比如退款中、已完成等。3. 关键业务逻辑实现3.1 航班查询功能航班查询是最频繁的操作我采用缓存数据库的查询策略public ListFlight searchFlights(String departure, String arrival, Date date) { String cacheKey flight: departure : arrival : new SimpleDateFormat(yyyyMMdd).format(date); // 先查Redis缓存 String cached redisTemplate.opsForValue().get(cacheKey); if (cached ! null) { return JSON.parseArray(cached, Flight.class); } // 缓存没有则查数据库 ListFlight flights flightMapper.selectByCitiesAndDate(departure, arrival, date); // 设置缓存过期时间30分钟 if (!flights.isEmpty()) { redisTemplate.opsForValue().set(cacheKey, JSON.toJSONString(flights), 30, TimeUnit.MINUTES); } return flights; }对于热门航线这种设计能减少90%以上的数据库查询。缓存过期时间设置为30分钟既保证了数据新鲜度又避免了频繁查询数据库。3.2 订票事务处理订票是典型的分布式事务场景我采用本地事务消息队列的方案Transactional public Order createOrder(Long flightId, Long userId, PassengerInfo passenger) { // 1. 查询航班信息 Flight flight flightMapper.selectById(flightId); if (flight null) { throw new BizException(航班不存在); } // 2. 检查余票 if (flight.getAvailableSeats() 0) { throw new BizException(航班已售罄); } // 3. 扣减库存 int updated flightMapper.reduceSeat(flightId); if (updated 0) { throw new BizException(座位已被其他用户锁定); } // 4. 生成订单 Order order new Order(); order.setOrderNo(generateOrderNo()); order.setFlightId(flightId); order.setUserId(userId); order.setPassengerName(passenger.getName()); order.setIdCardNo(passenger.getIdCard()); order.setAmount(flight.getPrice()); order.setStatus(OrderStatus.UNPAID.getCode()); order.setCreateTime(new Date()); order.setUpdateTime(new Date()); orderMapper.insert(order); // 5. 发送支付超时消息 sendPaymentTimeoutMessage(order.getOrderNo()); return order; }这个实现有几个关键点使用Transactional确保减库存和生成订单的原子性使用乐观锁防止超卖订单生成后发送延迟消息30分钟后检查支付状态4. 并发控制与性能优化4.1 解决超卖问题航空订票最怕的就是超卖我采用三种措施防止超卖数据库乐观锁Update(UPDATE flight SET available_seats available_seats - 1 WHERE id #{id} AND available_seats 0) int reduceSeat(Long id);Redis分布式锁public boolean lockSeat(Long flightId) { String lockKey seat_lock: flightId; return redisTemplate.opsForValue().setIfAbsent(lockKey, 1, 10, TimeUnit.SECONDS); }异步库存校验 订单创建后会有定时任务检查实际库存与订单是否匹配发现不一致会自动取消订单并通知用户。4.2 性能优化实践在高并发场景下我做了以下优化使用连接池配置HikariCP连接池最大连接数设置为100spring.datasource.hikari.maximum-pool-size100 spring.datasource.hikari.connection-timeout30000慢查询优化通过EXPLAIN分析慢查询添加适当索引读写分离查询走从库写入走主库分库分表当订单表超过500万时按用户ID哈希分表5. 安全设计与异常处理5.1 支付安全设计支付环节我采用以下安全措施所有敏感信息如身份证号在数据库加密存储public String encryptIdCard(String idCard) { return EncryptUtil.aesEncrypt(idCard, secretKey); }支付请求签名验证public boolean verifySign(PaymentRequest request) { String raw request.getOrderNo() request.getAmount() salt; return DigestUtils.md5Hex(raw).equals(request.getSign()); }支付结果异步通知校验5.2 异常处理策略系统定义了一套完整的异常处理机制ControllerAdvice public class GlobalExceptionHandler { ExceptionHandler(BizException.class) ResponseBody public Result handleBizException(BizException e) { return Result.fail(e.getCode(), e.getMessage()); } ExceptionHandler(Exception.class) ResponseBody public Result handleException(Exception e) { log.error(系统异常, e); return Result.fail(500, 系统繁忙请稍后再试); } }对于预期内的业务异常如座位已售罄返回明确的错误提示对于系统异常记录详细日志并返回友好提示。6. 系统扩展与演进随着业务增长系统架构也在不断演进服务拆分将原本的单体应用拆分为航班服务、订单服务、支付服务等引入消息队列使用RocketMQ处理异步任务如发送行程单分布式事务采用Seata处理跨服务的分布式事务弹性设计增加熔断降级机制当航班查询服务不可用时返回缓存数据这些架构演进保证了系统能够支撑从日订单几百到上万的平滑过渡。