md_files/自学/拼团交易系统.md

拼团交易系统

系统设计

功能流程

库表设计

• 首先，站在运营的角度，要为这次拼团配置对应的拼团活动。那么就会涉及到；给哪个渠道的什么商品ID配置拼团，这样用户在进入商品页就可以看到带有拼团商品的信息了。之后要考虑，这个拼团的商品所提供的规则信息，包括：折扣、起止时间、人数等。还要拿到折扣的一个试算金额。这个试算出来的金额，就是告诉用户，通过拼团可以拿到的最低价格。
• 之后，站在用户的角度，是参与拼团。首次发起一个拼团或者参与已存在的拼团进行数据的记录，达成拼团约定拼团人数后，开始进行通知。这个通知的设计站在平台角度可以提供回调，那么任何的系统也就都可以接入了。
• 另外，为了支持拼团库表，需要先根据业务规则把符合条件的用户 ID 写入 Redis，并为这批用户打上可配置的人群标签。创建拼团活动时，只需关联对应标签，即可让活动自动面向这部分用户生效，实现精准运营和差异化折扣。
• 那么，拼团活动表，为什么会把折扣拆分出来呢。因为这里的折扣可能有多种迭代到一个拼团上。比如，给一个商品添加了直减10元的优惠，又对符合的人群id的用户，额外打9折，这样就有了2个折扣迭代。所以拆分出来会更好维护。这是对常变的元素和稳定的元素进行设计的思考。

（一）拼团配置表

group_buy_activity 拼团活动

字段名	说明
id	自增ID
activity_id	活动ID
source	来源
channel	渠道
goods_id	商品ID
discount_id	折扣ID
group_type	成团方式【0自动成团（到时间后自动成团）、1达成目标成团】
take_limit_count	拼团次数限制
target	达成目标（3人单、5人单）
valid_time	拼单时长（20分钟），未完成拼团则=》自动成功or失败
status	活动状态 （活动是否有效，运营可临时设置为失效）
start_time	活动开始时间
end_time	活动结束时间
tag_id	人群标签规则标识
tag_scope	人群标签规则范围【多选；可见、参与】
create_time	创建时间
update_time	更新时间

group_buy_discount 折扣配置

字段名	说明
id	自增ID
discount_id	折扣ID
discount_name	折扣标题
discount_desc	折扣描述
discount_type	类型【base、tag】
market_plan	营销优惠计划【直减、满减、N元购】
market_expr	营销优惠表达式
tag_id	人群标签，特定优惠限定
create_time	创建时间
update_time	更新时间

crowd_tags 人群标签

字段名	说明
id	自增ID
tag_id	标签ID
tag_name	标签名称
tag_desc	标签描述
statistics	人群标签统计量 200\10万\100万
create_time	创建时间
update_time	更新时间

crowd_tags_detail 人群标签明细（写入缓存）

字段名	说明
id	自增ID
tag_id	标签ID
user_id	用户ID
create_time	创建时间
update_time	更新时间

crowd_tags_job 人群标签任务

字段名	说明
id	自增ID
tag_id	标签ID
batch_id	批次ID
tag_type	标签类型【参与量、消费金额】
tag_rule	标签规则【限定参与N次】
stat_start_time	统计开始时间
stat_end_time	统计结束时间
status	计划、重置、完成
create_time	创建时间
update_time	更新时间

• 拼团活动表：设定了拼团的成团规则，人群标签的使用可以限定哪些人可见，哪些人可参与。
• 折扣配置表：拆分出拼团优惠到一个新的表进行多条配置。如果折扣还有更多的复杂规则，则可以配置新的折扣规则表进行处理。
• 人群标签表：专门来做人群设计记录的，这3张表就是为了把符合规则的人群ID，也就是用户ID，全部跑任务到一个记录下进行使用。比如黑玫瑰人群、高净值人群、拼团履约率90%以上的人群等。

（二）参与拼团表

group_buy_account 拼团账户

字段名	说明
id	自增ID
user_id	用户ID
activity_id	活动ID
take_limit_count	拼团次数限制
take_limit_count_used	拼团次数消耗
create_time	创建时间
update_time	更新时间

group_buy_order 用户拼单

字段名	说明
id	自增ID
activity_id	活动ID
group_order_id	拼单ID 【多少人参与】
group_order_start_time	拼单开始时间
group_order_end_time	拼单结束时间
source	来源
channel	渠道
goods_id	商品ID
original_price	原始价格
deduction_price	抵扣价格（各类优惠加成）
pay_amount	实际支付价格
target_count	目标数量
complete_count	完成数量
status	状态（拼单中/完成/失败）
notify_url	回调接口
create_time	创建时间
update_time	更新时间

group_buy_order_list 用户拼单明细

字段名	说明
id
activity_id	活动ID
group_order_id	拼单ID
user_id	用户id
user_type	团长/团员
source	来源
channel	渠道
goods_id	商品ID
out_trade_no	外部交易单号，唯一幂等
create_time	创建时间
update_time	更新时间

notify_task 回调任务

字段名	说明
id	自增ID
activity_id	活动ID
order_id	拼单ID
notify_url	回调接口
notify_count	回调次数（3-5次）
notify_status	回调状态【初始、完成、重试、失败】
parameter_json	参数对象
create_time	创建时间
update_time	更新时间

• 拼团账户表：记录用户的拼团参与数据，一个是为了限制用户的参与拼团次数，另外是为了人群标签任务统计数据。
• 用户拼单表：当有用户发起首次拼单的时候，产生拼单id，并记录所需成团的拼单记录，另外是写上拼团的状态、唯一索引、回调接口等。这样拼团完成就可以回调对接的平台，通知完成了。【微信支付也是这样的设计，回调支付结果，这样的设计可以方便平台化对接】当再有用户参与后，则写入用户拼单明细表。直至达成拼团。
• 回调任务表：当拼团完成后，要做回调处理。但可能会有失败，所以加入任务的方式进行补偿。如果仍然失败，则需要对接的平台，自己查询拼团结果。

架构设计

MVC架构：

DDD架构：

价格试算

@Service
@RequiredArgsConstructor
public class IndexGroupBuyMarketServiceImpl implements IIndexGroupBuyMarketService {

    private final DefaultActivityStrategyFactory defaultActivityStrategyFactory;

    @Override
    public TrialBalanceEntity indexMarketTrial(MarketProductEntity marketProductEntity) throws Exception {

        StrategyHandler<MarketProductEntity, DefaultActivityStrategyFactory.DynamicContext, TrialBalanceEntity> strategyHandler = defaultActivityStrategyFactory.strategyHandler();

        TrialBalanceEntity trialBalanceEntity = strategyHandler.apply(marketProductEntity, new DefaultActivityStrategyFactory.DynamicContext());

        return trialBalanceEntity;
    }

}

IndexGroupBuyMarketService
      │
      │ indexMarketTrial()
      ▼
DefaultActivityStrategyFactory
      │  (return rootNode)
      ▼
RootNode.apply()
      │ doApply()  (执行)
      │ router()   （路由到下一node）
      ▼
SwitchNode.apply()
      │ ...
      ▼
...  (可能还有其他节点)
      ▼
EndNode.apply()   → 组装结果并返回 TrialBalanceEntity
      ▲
      └────────── 最终一路向上 return

IndexGroupBuyMarketService 是领域服务，整个价格试算的入口

DefaultActivityStrategyFactory 帮你拿到 根节点，真正的“工厂”工作（多线程预处理、分支路由）都在各 Node 里完成。

DynamicContext 是一次性创建的共享上下文：谁需要谁就往里放

人群标签数据采集

步骤	目的	说明
1. 记录日志	标明本次批次任务的开始	方便后续排查、链路追踪
2. 读取批次配置	拿到该批次统计范围、规则、时间窗等	若返回 null 通常代表批次号错误或已被清理
3. 采集候选用户	从业务数仓/模型结果里拉取符合条件的用户 ID 列表	真实场景中会：• 调 REST / RPC 拿画像• 或扫离线结果表• 或读 Kafka 流
4. 双写标签明细	将每个用户与标签的关系永久化 & 提供实时校验能力	方法内部两件事：• 插入 crowd_tags_detail 表• 在 Redis BitMap 中把该用户对应位设为 1（幂等处理冲突）
5. 更新统计量	维护标签当前命中人数，用于运营看板	这里简单按“新增条数”累加，也可改为重新 count(*) 全量回填
6. 结束	方法返回 void	如果过程抛异常，调度系统可重试/报警

一句话总结 这是一个被定时器或消息触发的离线批量打标签任务： 拉取任务规则 → （离线）筛出符合条件的用户 → 写库 + 写 Redis 位图 → 更新命中人数。 之后业务系统就能用位图做到毫秒级 isUserInTag(userId, tagId) 判断，实现精准运营投放。

Bitmap（位图）

概念

• Bitmap 又称 Bitset，是一种用位（bit）来表示状态的数据结构。
• 它把一个大的“布尔数组”压缩到最小空间：每个元素只占 1 位，要么 0（False）、要么 1（True）。

为什么用 Bitmap？

• 超高空间效率：1000 万个用户，只需要约 10 MB（1000 万 / 8）。
• 超快操作：检查某个索引位是否为 1、计数所有“1”的个数（BITCOUNT）、找出第一个“1”的位置（BITPOS）等，都是 O(1) 或者极快的位运算。

典型场景

• 用户标签 / 权限判断：把符合某个条件的用户的索引位置设置为 1，以后实时判断“用户 X 是否在标签 A 中？”就只需读一个 bit。
• 海量去重 / 布隆过滤器：在超大流量场景下判断“URL 是否已访问过”、“手机号是否已注册”等。
• 统计分析：快速统计某个条件下有多少个用户／对象符合（BITCOUNT）。

收获

模板方法

核心思想： 在抽象父类中定义算法骨架（固定执行顺序），把某些可变步骤留给子类重写；调用方只用模板方法，保证流程一致。

 Client  ───▶  AbstractClass
                ├─ templateMethod()  ←—— 固定流程
                │    step1()
                │    step2()         ←—— 抽象，可变
                │    step3()
                └─ hookMethod()      ←—— 可选覆盖
                       ▲
                       │ extends
            ┌──────────┴──────────┐
            │ ConcreteClassA/B…   │

示例：

// 1. 抽象模板
public abstract class AbstractDialog {

    // 模板方法：固定调用顺序，设为 final 防止子类改流程
    public final void show() {
        initLayout();
        bindEvent();
        beforeDisplay();       // 钩子，可选
        display();
        afterDisplay();        // 钩子，可选
    }

    // 具体公共步骤
    private void initLayout() {
        System.out.println("加载通用布局文件");
    }

    // 需要子类实现的抽象步骤
    protected abstract void bindEvent();

    // 钩子方法，默认空实现
    protected void beforeDisplay() {}
    protected void afterDisplay() {}

    private void display() {
        System.out.println("弹出对话框");
    }
}

// 2. 子类：登录对话框
public class LoginDialog extends AbstractDialog {
    @Override
    protected void bindEvent() {
        System.out.println("绑定登录按钮事件");
    }
    @Override
    protected void afterDisplay() {
        System.out.println("focus 到用户名输入框");
    }
}

// 3. 调用
public class Demo {
    public static void main(String[] args) {
        AbstractDialog dialog = new LoginDialog();
        dialog.show();
        /* 输出：
           加载通用布局文件
           绑定登录按钮事件
           弹出对话框
           focus 到用户名输入框
         */
    }
}

要点

• 复用公共流程：initLayout()、display() 写一次即可。
• 限制流程顺序：show() 定为 final，防止子类乱改步骤。
• 钩子方法：子类可选择性覆盖（如 beforeDisplay）。

规则树流程

整体分层思路

分层	作用	关键对象
通用模板层	抽象出与具体业务无关的「规则树」骨架，解决 如何找到并执行策略 的共性问题	StrategyMapper、StrategyHandler、AbstractStrategyRouter<T,D,R>
业务装配层	基于模板，自由拼装出 一棵 贴合业务流程的策略树	RootNode / SwitchRoot / MarketNode / EndNode …
对外暴露层	通过 工厂 + 服务支持类 将整棵树封装成一个可直接调用的 StrategyHandler，并交给 Spring 整体托管	DefaultActivityStrategyFactory、AbstractGroupBuyMarketSupport

通用模板层：规则树的“骨架”

角色	职责	关系
StrategyMapper	映射器：依据 requestParameter + dynamicContext 选出 下一个 策略节点	被 AbstractStrategyRouter 调用
StrategyHandler	处理器：真正执行业务逻辑；apply 结束后可返回结果或继续路由	节点本身 / 路由器本身都是它的实现
AbstractStrategyRouter<T,D,R>	路由模板：① 调用 get(...) 找到合适的 StrategyHandler;② 调用该 handler 的 apply(...);③ 若未命中则走 defaultStrategyHandler	同时实现 StrategyMapper 与 StrategyHandler，但自身保持 抽象，把细节延迟到子类

业务装配层：一棵可编排的策略树

RootNode  ->  SwitchRoot  ->  MarketNode  ->  EndNode
                          ↘︎  OtherNode ...

• 每个节点

  继承 AbstractStrategyRouter

  • 实现 get(...)：决定当前节点的下一跳是哪一个节点
  • 实现 apply(...)：实现节点自身应做的业务动作（或继续下钻）

• 组合方式

  比责任链更灵活：

  • 一个节点既可以“继续路由”也可以“自己处理完直接返回”
  • 可以随时插拔 / 替换子节点，形成多分支、循环、早停等复杂流转

对外暴露层：工厂 + 服务支持类

组件	主要职责
DefaultActivityStrategyFactory (@Service)	工厂：1. 在 Spring 启动时注入根节点 RootNode；2. 暴露统一入口 strategyHandler() → 返回整个策略树顶点（一个 StrategyHandler 实例）
AbstractGroupBuyMarketSupport	业务服务基类：封装拼团场景下共用的查询、工具方法；供每个节点继承使用

这样，调用方只需

TrialBalanceEntity result =
    factory.strategyHandler().apply(product, new DynamicContext(vo1, vo2));

就能驱动整棵策略树，而完全不用关心节点搭建、依赖注入等细节。

策略模式

核心思想： 把可互换的算法/行为抽成独立策略类，运行时由“上下文”对象选择合适的策略；对调用方来说，只关心统一接口，而非具体实现。

┌───────────────┐
│   Client      │
└─────▲─────────┘
      │ has-a
┌─────┴─────────┐                 implements
│  Context      │────────────┐  ┌──────────────┐
│ (使用者)      │ strategy    └─▶│ Strategy A   │
└───────────────┘                ├──────────────┤
                                 │ Strategy B   │
                                 └──────────────┘

集合自动注入

常见于策略/工厂/插件场景。

@Autowired       
private Map<String, IDiscountCalculateService> discountCalculateServiceMap;

字段类型：Map<String, IDiscountCalculateService>

• key—— Bean 的名字
  • 默认是类名首字母小写 (mjCalculateService)
  • 或者你在实现类上显式写的 @Service("MJ")
• value —— 那个实现类对应的实例
• Spring 机制：
  1. 启动时扫描所有实现 IDiscountCalculateService 的 Bean。
  2. 把它们按 “BeanName → Bean 实例” 的映射注入到这张 Map 里。
  3. 你一次性就拿到了“策略字典”。

示例：

@Service("MJ")                  // ★ 关键：Bean 名即策略键
public class MJCalculateService extends IDiscountCalculateService {

    @Override
    protected BigDecimal Calculate(String userId, BigDecimal originalPrice,
                                     GroupBuyActivityDiscountVO.GroupBuyDiscount groupBuyDiscount) {
        //忽略实现细节
}

@Component
@RequiredArgsConstructor          // 构造器注入更推荐
public class DiscountContext {

    private final Map<String, IDiscountCalculateService> discountServiceMap;

    public BigDecimal calc(String strategyKey,
                           String userId,
                           BigDecimal originalPrice,
                           GroupBuyActivityDiscountVO.GroupBuyDiscount plan) {
 	    //strategyKey可以是"MJ" ..
        IDiscountCalculateService strategy = discountServiceMap.get(strategyKey); 
        if (strategy == null) {
            throw new IllegalArgumentException("无匹配折扣类型: " + strategyKey);
        }
        return strategy.calculate(userId, originalPrice, plan);
    }
}

多线程异步调用

// Runnable  ➞ 只能 run()，没有返回值
public interface Runnable {
    void run();
}

// Callable<V> ➞ call() 能返回 V，也能抛检查型异常
public interface Callable<V> {
    V call() throws Exception;
}

public class MyTask implements Callable<String> {
    private final String name;
    public MyTask(String name) {
        this.name = name;
    }
    @Override
    public String call() throws Exception {
        // 模拟耗时操作
        TimeUnit.MILLISECONDS.sleep(300);
        return "任务[" + name + "]的执行结果";
    }
}

public class SimpleAsyncDemo {
    public static void main(String[] args) {
        // 创建大小为 2 的线程池
        ExecutorService pool = Executors.newFixedThreadPool(2);

        try {
            // 构造两个任务
            MyTask task1 = new MyTask("A");
            MyTask task2 = new MyTask("B");

            // 用 FutureTask 包装 Callable
            FutureTask<String> future1 = new FutureTask<>(task1);
            FutureTask<String> future2 = new FutureTask<>(task2);

            // 提交给线程池异步执行
            pool.execute(future1);
            pool.execute(future2);

            // 主线程可以先做别的事…
            System.out.println("主线程正在做其他事情…");

            // ③ 在需要的时候再获取结果（可加超时）
            String result1 = future1.get(1, TimeUnit.SECONDS); //设置超时时间1秒
            String result2 = future2.get();   //无超时时间

            System.out.println("拿到结果1 → " + result1);
            System.out.println("拿到结果2 → " + result2);

        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        } catch (ExecutionException e) {
            System.err.println("任务执行中出错: " + e.getCause());
        } catch (TimeoutException e) {
            System.err.println("等待结果超时");
        } finally {
            pool.shutdown();
        }
    }
}