md_files/项目/拼团交易系统.md

# 拼团交易系统

## 系统备忘录

本系统涉及微信和支付宝的回调。

1.微信扫码登录，*https://mp.weixin.qq.com/debug/cgi-bin/sandboxinfo?action=showinfo&t=sandbox/index*平台上配置了扫描通知地址，如果是本地测试，需要打开frp内网穿透，然后填的地址是frp建立通道的服务器端的ip:端口

2.支付宝，用户付款成功回调，也是同理，本地测试就要开frp。注意frp中的通道，默认是本地端口=远程端口，但是如果在服务器上部署了一套，那么远程的端口就会与frp的端口冲突！！！导致本地测试的时候失效。



流程：

用户锁单-》支付宝付款-》成功后return_url设置了用户支付完毕后跳转回哪个地址是给前端用户看的； alipay_notify_url设置了支付成功后alipay调用你的后端哪个接口。

这里有小商城和拼团系统，notify_url指拼团系统中拼团达到指定人数后，通知小商城的地址，这里用rabbitmq。然后小商场将订单中相应拼团的status都设置为deal_done。然后小商场内部也再发一个'支付成功'消息，主要用于通知这些拼团对应的订单进入下一环节：发货（感觉'支付成功'取名不够直观）。





## 系统设计

### **功能流程**

![image-20250619190759804](https://pic.bitday.top/i/2025/06/19/vjqcr7-0.png)



### **库表设计**

![image-20250624134726763](https://pic.bitday.top/i/2025/06/24/ma2pcj-0.png)

- 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**

一条记录 = 一个拼团**团队**（`team_id` 唯一）

| 字段名          | 说明                             |
| --------------- | -------------------------------- |
| id              | 自增ID                           |
| team_id         | 拼单组队ID                       |
| activity_id     | 活动ID                           |
| source          | 渠道                             |
| channel         | 来源                             |
| original_price  | 原始价格                         |
| deduction_price | 折扣金额                         |
| pay_price       | 支付价格                         |
| target_count    | 目标数量                         |
| complete_count  | 完成数量                         |
| status          | 状态（0-拼单中、1-完成、2-失败） |
| create_time     | 创建时间                         |
| update_time     | 更新时间                         |

**group_buy_order_list 用户拼单明细**

一条记录 = **某用户**在该团队里锁的一笔单

| 字段名          | 说明                                 |
| --------------- | ------------------------------------ |
| id              | 自增ID                               |
| user_id         | 用户ID                               |
| team_id         | 拼单组队ID                           |
| order_id        | 订单ID                               |
| activity_id     | 活动ID                               |
| start_time      | 活动开始时间                         |
| end_time        | 活动结束时间                         |
| goods_id        | 商品ID                               |
| source          | 渠道                                 |
| channel         | 来源                                 |
| original_price  | 原始价格                             |
| deduction_price | 折扣金额                             |
| status          | 状态；0 初始锁定、1 消费完成         |
| out_trade_no    | 外部交易单号（确保外部调用唯一幂等） |
| 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：**

![image-20250624143253403](https://pic.bitday.top/i/2025/06/24/nou9d6-0.png)

**DDD架构：**

![image-20250624143304200](https://pic.bitday.top/i/2025/06/24/nowdoo-0.png)



## 价格试算

```java
@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;
    }

}
```

```text
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• <br />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）。



## 拼团交易锁单

![image-20250630124304410](https://pic.bitday.top/i/2025/06/30/kjsuy7-0.png)

下单到支付中间有一个流程，即锁单，比如淘宝京东中，在这个环节（限定时间内）选择使用优惠券、京豆等，可以得到优惠价，再进行支付；拼团场景同理，先加入拼团，进行锁单，然后优惠试算，最后才付款。



## 拼团结算

![image-20250725110745607](https://pic.bitday.top/i/2025/07/25/ib8gj1-0.png)



## 对接商城和拼团系统

![80e1ef00f3e6eca3f1e4f66ad1823aac](https://pic.bitday.top/i/2025/07/15/rdkird-0.jpg)

上面左侧，小型支付商城，用户下单过程。增加一个营销锁单，从营销锁单中获取拼团营销拿到的优惠价格。之后小型商城继续往下走，创建支付订单。右侧，拼团交易平台，提供营销锁单流程，锁单目标、优惠试算，规则过滤，最终落库和返回结果（订单ID、原始价格、折扣金额、支付金额、订单状态）。

下面小型支付商城在用户完成支付后，调用拼团**组队结算**，更新当前xx拼团完成人数，当拼团完成后**接收**回调消息执行后续交易结算发货（暂时模拟的）。



**注意**两个回调函数不要搞混：1：alipay_notify_url，用户支付成功后支付宝的回调，为后端服务设定的回调地址，支付宝告诉pay-mall当前用户支付完毕，可以调用拼团**组队结算**。return_rul，用户付款后自动跳转到的地址，即跳转回首页，和前端跳转有关。gateway-url，支付宝提供的本商家的用户付款地址。

2：group-buy-market_notify-url，由pay-mall商城设置的回调，某teamId拼团达到目标人数时，拼团成功会触发该回调，告诉pay-mall可以进行下一步动作，比如给该teamId下的所有人发货。



### 本地对接

在 `group-buying-sys` 项目中，对 `group-buying-api` 模块执行 `mvn clean install`（或在 IDE 中运行 install）。这会将该模块的 jar 安装到本地 Maven 仓库（`~/.m2/repository`）。然后在 `pay-mall` 项目的 `pom.xml` 中添加依赖，使用相同的 `groupId`、`artifactId` 和 `version` 即可引用该模块，如下所示：

```xml
<dependency>
  <groupId>edu.whut</groupId>
  <artifactId>group-buying-api</artifactId>
  <version>1.0.0-SNAPSHOT</version>
</dependency>

```

### 发包

仅适用于本地，共用一个本地Maven仓库，一旦换台电脑或者在云服务器上部署，无法就这样引入，因此可以进行发包。这里使用阿里云效发包https://packages.aliyun.com/

1）点击制品仓库->生产库

![image-20250724141043193](https://pic.bitday.top/i/2025/07/24/nbnrr4-0.png)

2）下载settings-aliyun.xml文件并保存至本地的Maven的conf文件夹中。

![image-20250724141436208](https://pic.bitday.top/i/2025/07/24/ndyg97-0.png)

3） 配置项目的Maven仓库为阿里云提供的这个，而不是自己的本地仓库。

![image-20250724141557398](https://pic.bitday.top/i/2025/07/24/neod28-0.png)

4）发包，打开Idea中的Maven，双击deploy

![image-20250724141700856](https://pic.bitday.top/i/2025/07/24/nfar4l-0.png)

5）验证

![image-20250724141758595](https://pic.bitday.top/i/2025/07/24/nfvnao-0.png)

6）使用

将公共镜像仓库的settings文件和阿里云效的settings文件合并，可以同时拉取公有依赖和私有包。



## 逆向工程：退单

<img src="https://pic.bitday.top/i/2025/07/25/hgggjo-0.png" alt="image-20250725105608390" style="zoom:67%;" />

逆向的流程，要分析用户是在哪个流程节点下进行中断行为。包括3个场景；

**已锁单、未支付**

- **用户行为**：完成锁单后未发起支付。
- **结果**：订单超时自动关单。
- 补偿
  - 若用户在临界时刻支付，则需执行“逆向退款”流程——退还支付金额并告知“优惠已过期，请重新参与”。
  - 否则该订单自动失效，释放拼团名额给后续用户。

**已锁单、已支付，但拼团未成团**

- **用户行为**：完成支付，组团人数不足暂未成团。

- 补偿策略

  （可配置优先级）：

  1. **先退拼团，再退款，**
  2. **先退款，再退拼团**

- 具体执行哪种方式，可由拼团活动策略决定——“优先保障个人”或“优先保障成团”。

**已锁单、已支付，且拼团已成团**

- **用户行为**：支付成功，且组团人数已凑齐。
- 补偿流程
  - 先退还用户支付金额；
  - 再撤销对应的拼团完成量。
- **注意**：已成团订单视为“已完成含退单”，仍然成团、不再开放新用户参与，确保团队成团状态一致。



### 策略模板应用

根据订单状态和拼团状态动态选择退单策略。





## 收获

### 实体对象

实体是指具有唯一标识的业务对象。

在 DDD 分层里，**Domain Entity ≠ 数据库 PO**。
在 `edu.whut.domain.*.model.entity` 包下放的是**纯粹的业务对象**，它们只表达业务语义（团队 ID、活动时间、优惠金额……），对「数据持久化细节」保持**无感知**。因此它们看起来“字段不全”是正常的：

- 它们不会带 `@TableName` / `@TableId` 等 MyBatis-Plus 注解；
- 也不会出现数据库的技术字段（`id`、`create_time`、`update_time`、`status` 等）；
- 只保留聚合根真正**需要的**业务属性与行为。

```java
@Data
@Builder
@AllArgsConstructor
@NoArgsConstructor
public class PayActivityEntity {

    /** 拼单组队ID */
    private String teamId;
    /** 活动ID */
    private Long activityId;
    /** 活动名称 */
    private String activityName;
    /** 拼团开始时间 */
    private Date startTime;
    /** 拼团结束时间 */
    private Date endTime;
    /** 目标数量 */
    private Integer targetCount;

}
```

这个也是实体对象，因为多个字段的组合：teamId和activityId能唯一标识这个实体。



### 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。

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

```

**示例：**

```java
// 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`）。



### 责任链

应用场景：日志系统、审批流程、权限校验——任何需要将请求按阶段传递、并由某一环节决定是否继续或终止处理的地方，都非常适合职责链模式。

####  单例链

典型的责任链模式要点：

- **解耦请求发送者和处理者**：调用者只持有链头，不关心中间环节。
- **动态组装**：通过 `appendNext` 可以灵活地增加、删除或重排链上的节点。
- **可扩展**：新增处理逻辑只需继承 `AbstractLogicLink` 并实现 `apply`，不用改动已有代码。

接口定义：`ILogicChainArmory<T, D, R>`  提供添加节点方法和获取节点

```java
//定义了责任链的组装接口：
public interface ILogicChainArmory<T, D, R> {

    ILogicLink<T, D, R> next();	   //在当前节点中获取下一个节点

    ILogicLink<T, D, R> appendNext(ILogicLink<T, D, R> next); //把下一个处理节点挂接上来

}
```

`ILogicLink<T, D, R>` 继承自 `ILogicChainArmory<T, D, R>`，并额外声明了核心方法 `apply`

```java
public interface ILogicLink<T, D, R> extends ILogicChainArmory<T, D, R> {

    R apply(T requestParameter, D dynamicContext) throws Exception;  //处理请求

}
```

抽象基类：`AbstractLogicLink`

```java
public abstract class AbstractLogicLink<T, D, R> implements ILogicLink<T, D, R> {

    private ILogicLink<T, D, R> next;

    @Override
    public ILogicLink<T, D, R> next() {
        return next;
    }

    @Override
    public ILogicLink<T, D, R> appendNext(ILogicLink<T, D, R> next) {
        this.next = next;
        return next;
    }

    protected R next(T requestParameter, D dynamicContext) throws Exception {
        return next.apply(requestParameter, dynamicContext);   //交给下一节点处理
    }

}
```

子类只需继承它，重写 `apply(...)`，在合适的条件下要么直接处理并返回，要么调用 `next(requestParameter, dynamicContext)` 继续传递。

**使用示例：**

```java
public class AuthLink extends AbstractLogicLink<Request, Context, Response> {
    @Override
    public Response apply(Request req, Context ctx) throws Exception {
        if (!ctx.isAuthenticated()) {
            throw new UnauthorizedException();
        }
        // 认证通过，继续下一个环节
        return next(req, ctx);
    }
}

public class LoggingLink extends AbstractLogicLink<Request, Context, Response> {
    @Override
    public Response apply(Request req, Context ctx) throws Exception {
        System.out.println("Request received: " + req);
        Response resp = next(req, ctx);
        System.out.println("Response sent: " + resp);
        return resp;
    }
}

// 组装责任链 放工厂类factory中实现
ILogicLink<Request, Context, Response> chain =
    new AuthLink()
        .appendNext(new LoggingLink())
        .appendNext(new BusinessLogicLink());

//客户端使用
Request req = new Request(...);
Context ctx = new Context(...);
Response resp = chain.apply(req, ctx);
```

示例图：

```text
AuthLink.apply
   └─▶ LoggingLink.apply
          └─▶ BusinessLogicLink.apply
                 └─▶ 返回 Response
```

这种模式链上的每个节点都手动 `next()`到下一节点。



#### 多例链

```java
/**
 * 通用逻辑处理器接口 —— 责任链中的「节点」要实现的核心契约。
 */
public interface ILogicHandler<T, D, R> {

    /**
     * 默认的 next占位实现，方便节点若不需要向后传递时直接返回 null。
     */
    default R next(T requestParameter, D dynamicContext) {
        return null;
    }

    /**
     * 节点的核心处理方法。
     */
    R apply(T requestParameter, D dynamicContext) throws Exception;

}

```

```java
/**
 * 业务链路容器 —— 双向链表实现，同时实现 ILogicHandler，从而可以被当作单个节点使用。
 */
public class BusinessLinkedList<T, D, R> extends LinkedList<ILogicHandler<T, D, R>> implements ILogicHandler<T, D, R>{

    public BusinessLinkedList(String name) {
        super(name);
    }

    /**
     * BusinessLinkedList是头节点，它的apply方法就是循环调用后面的节点，直至返回。
     * 遍历并执行链路。
     */
    @Override
    public R apply(T requestParameter, D dynamicContext) throws Exception {
        Node<ILogicHandler<T, D, R>> current = this.first;
        // 顺序执行，直到链尾或返回结果
        while (current != null) {
            ILogicHandler<T, D, R> handler = current.item;
            R result = handler.apply(requestParameter, dynamicContext);
            if (result != null) {
                // 节点命中，立即返回
                return result;
            }
            //result==null，则交给那一节点继续处理
            current = current.next;
        }
        // 全链未命中
        return null;
    }
}
```

```java
/**
 * 链路装配工厂 —— 负责把一组 ILogicHandler 顺序注册到 BusinessLinkedList 中。
 */
public class LinkArmory<T, D, R> {

    private final BusinessLinkedList<T, D, R> logicLink;

    /**
     * @param linkName      链路名称，便于日志排查
     * @param logicHandlers 节点列表，按传入顺序链接
     */
    @SafeVarargs
    public LinkArmory(String linkName, ILogicHandler<T, D, R>... logicHandlers) {
        logicLink = new BusinessLinkedList<>(linkName);
        for (ILogicHandler<T, D, R> logicHandler: logicHandlers){
            logicLink.add(logicHandler);
        }
    }

    /** 返回组装完成的链路 */
    public BusinessLinkedList<T, D, R> getLogicLink() {
        return logicLink;
    }

}

//工厂类，可以定义多条责任链，每条有自己的Bean名称区分。
@Bean("tradeRuleFilter")
public BusinessLinkedList<TradeRuleCommandEntity, DynamicContext, TradeRuleFilterBackEntity> tradeRuleFilter(ActivityUsabilityRuleFilter activityUsabilityRuleFilter, UserTakeLimitRuleFilter userTakeLimitRuleFilter) {
     // 1. 组装链
     LinkArmory<TradeRuleCommandEntity, DynamicContext, TradeRuleFilterBackEntity> linkArmory =
                new LinkArmory<>("交易规则过滤链", activityUsabilityRuleFilter, userTakeLimitRuleFilter);

     // 2. 返回链容器（即可作为责任链使用）
     return linkArmory.getLogicLink();
}
```

示例图：

```text
BusinessLinkedList.apply  ←─ 只有这一层在栈里
while 循环：
   ├─▶ 调用 ActivityUsability.apply → 返回 null → 继续
   ├─▶ 调用 UserTakeLimit.apply   → 返回 null → 继续
   └─▶ 调用 ...                  → 返回 Result → break

```

链头拿着“游标”一个个跑，节点只告诉“命中 / 未命中”。



### 规则树流程

!![image-20250725120957709](https://pic.bitday.top/i/2025/07/25/k01knr-0.png)

**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**

```text
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

```java
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。

```text
┌───────────────┐
│   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。

```java
@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：**

```java
@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

如果某任务比较耗时（如加载大量数据），可以考虑开多线程异步调用。

```java
// 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;
}
```

```java
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";
    }
}
```

```java
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…");

            // 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();
        }
    }
}
```



### 动态配置（热更新）

原理：借助 Redis 的发布/订阅（Pub/Sub）能力，在程序跑起来以后，动态地往某个频道推送一条消息，然后所有订阅了该频道的 Bean 都会收到通知，进而反射更新它们身上的对应字段。

```text
启动时              ────────────────────────────────────▶ BeanPostProcessor
                  │   扫描 @DCCValue         写入默认 / 读取 Redis
                  │   注入字段值             缓存 key→Bean  
─────────────────────────────────────────────────────────────────
运行时
  管理后台调用           ───▶ publish("myKey,newVal") ───▶ Redis Pub/Sub
                  │                                         │
                  │                                         ▼
                  │                           RTopic listener 收到消息
                  │                             └─ ▸ 写回 Redis
                  │                             └─ ▸ 从 Map 找到 Bean
                  │                             └─ ▸ 反射注入新值到字段
                  ▼
Bean 字段热更新完成  

```

#### 实现步骤

**注解标记**
用 `@DCCValue("key:default")` 标注需要动态注入的字段，指定对应的 Redis Key（带前缀）及默认值。

```java
// 标记要动态注入的字段
@Retention(RUNTIME) @Target(FIELD)
public @interface DCCValue {
  String value(); // "key:default"
}
```

```java
// 业务使用示例
@Service
public class MyFeature {
  @DCCValue("myFlag:0")
  private String myFlag;
  public boolean enabled() { return "1".equals(myFlag); }
}
```

**启动时注入**
实现一个 `BeanPostProcessor`，在每个 Spring Bean 初始化后：

- 扫描带 `@DCCValue` 的字段；
- 拼出完整 Redis Key（如 `dcc_prefix_key`），若不存在则写入默认值，否则读最新值；
- **反射把值注入到该 Bean 的私有字段**；
- 将 `(redisKey → Bean 实例)` 记录到内存映射，用于后续热更新。

```java
@Override
public Object postProcessAfterInitialization(Object bean, String name) {
    // 确定真实的目标类：处理代理 Bean 或普通 Bean
    Class<?> cls = AopUtils.isAopProxy(bean)
        ? AopUtils.getTargetClass(bean)
        : bean.getClass();

    // 遍历所有字段，寻找标注了 @DCCValue 的配置字段
    for (Field f : cls.getDeclaredFields()) {
        DCCValue dv = f.getAnnotation(DCCValue.class);
        if (dv == null) {
            continue; // 如果该字段未被 @DCCValue 注解标注，则跳过
        }

        // 注解值格式为 "key:default"，拆分获取配置项的 key 和默认值
        String[] parts = dv.value().split(":");
        String key = PREFIX + parts[0];          // Redis 中存储该配置的完整 Key
        String defaultValue = parts[1];          // 默认值

        // 从 Redis 获取配置，如果不存在则使用默认值，并同步写入 Redis
        RBucket<String> bucket = redis.getBucket(key);
        String val = bucket.isExists() ? bucket.get() : defaultValue;
        bucket.trySet(defaultValue);             // 如果 Redis 中没有该 Key，则写入默认值

        // 反射方式将值注入到 Bean 的字段上（即动态替换该字段的值）
        injectField(bean, f, val);

        // 将该 Bean 注册到映射表，以便后续热更新时找到实例并更新字段
        beans.put(key, bean);
    }

    return bean; // 返回处理后的 Bean
}

```

**运行时热更新**

- 在同一个组件里，订阅一个 Redis Topic（频道），比如 `"dcc_update"`；

- 外部调用发布接口 `PUBLISH dcc_update "key,newValue"`；

  ```java
  //更新配置
  @GetMapping("/dcc/update")
  public void update(@RequestParam String key, @RequestParam String value) {
    dccTopic().publish(key + "," + value);
  }
  ```

- 订阅者收到后：

  1. 同步把新值写回 Redis；
  2. 从映射里取出对应 Bean，反射更新它的字段。

```java
// 发布/订阅频道，用于接收 DCC 配置的热更新消息
@Bean
public RTopic dccTopic() {
    // 1. 从 RedissonClient 中获取名为 "dcc_update" 的主题（Topic），后续会订阅这个频道
    RTopic t = redis.getTopic("dcc_update");

    // 2. 为该主题添加监听器，消息格式为 String
    t.addListener(String.class, (channel, msg) -> {
        // 3. msg 约定格式："configKey,newValue"，先按逗号分割出 key 和 value
        String[] a = msg.split(",");
        String key = PREFIX + a[0];  // 拼出完整的 Redis Key
        String val = a[1];           // 新的配置值

        // 4. 检查 Redis 中是否已存在该 Key（只对已注册的配置生效）
        RBucket<String> bucket = redis.getBucket(key);
        if (!bucket.isExists()) {
            return; // 如果不是我们关心的配置，跳过
        }

        // 5. 把新值同步写回 Redis，保证持久化
        bucket.set(val);

        // 6. 从内存缓存中取出当初注入该 key 的 Bean 实例
        Object bean = beans.get(key);
        if (bean != null) {
            // 7. 通过反射把新的配置值重新注入到 Bean 的字段上，完成热更新
            injectField(bean, a[0], val);
        }
    });

    // 8. 返回这个 RTopic Bean，让 Spring 容器管理
    return t;
}
```



### OkHttpClient

**引入依赖**

```xml
<dependency>
      <groupId>com.squareup.okhttp3</groupId>
      <artifactId>okhttp-sse</artifactId>
</dependency>
```

**让Spring 管理 Http客户端**

- 写配置类

  ```java
  @Configuration
  public class OKHttpClientConfig {
  
      @Bean
      public OkHttpClient httpClient() {
          return new OkHttpClient();
      }
  }
  ```

- 在需要使用的地方注入

  ```java
  @Slf4j
  @Service
  @RequiredArgsConstructor
  public class HttpService {
  
      private final OkHttpClient okHttpClient;
  
      /**
       * 发送 JSON POST 请求并返回响应内容
       *
       * @param apiUrl       接口地址
       * @param jsonPayload  请求体 JSON 字符串
       */
      public String postJson(String apiUrl, String jsonPayload) throws IOException {
          //1.构建参数
          MediaType mediaType = MediaType.get("application/json; charset=utf-8");
          RequestBody body = RequestBody.create(jsonPayload, mediaType);
          Request request = new Request.Builder()
              .url(apiUrl)
              .post(body)
              .addHeader("Content-Type", "application/json")
              .build();
  		//2.调用接口
          try (Response response = okHttpClient.newCall(request).execute()) {
              if (!response.isSuccessful()) {
                  log.error("HTTP 请求失败，URL：{}，状态码：{}", apiUrl, response.code());
                  throw new IOException("Unexpected HTTP code " + response.code());
              }
              ResponseBody responseBody = response.body();
              return responseBody != null ? responseBody.string() : "";
          } catch (IOException e) {
              log.error("调用 HTTP 接口异常：{}", apiUrl, e);
              throw e;
          }
      }
  }
  ```

- 优点：

  单例复用，性能更优

  - Spring 默认将 Bean 作为单例管理，整个应用只创建一次 `OkHttpClient`。
  - 内部的连接池、线程池、缓存等资源可以被复用，**避免频繁创建、销毁**带来的开销。

  统一配置，易于维护

  - 超时、拦截器、连接池、SSL、日志等配置集中在一个地方，改动一次全局生效。
  - 避免在代码各处手动 `new OkHttpClient()`、重复配置。

  

### Retrofit 

微信登录时，需要调用微信提供的接口做验证。

#### 快速入门

// 1. 定义 DTO

```java
public class User {
    private String id;
    private String name;
    // … 省略 getters/setters …
}
```

// 2. 定义 Retrofit 接口

```java
public interface ApiService {
    @GET("users/{id}")
    Call<User> getUser(@Path("id") String id);
}
```

// 3. 配置 Retrofit 并注册为 Spring Bean

```java
@Configuration
public class RetrofitConfig {

    private static final String BASE_URL = "https://api.example.com/";

    @Bean
    public Retrofit retrofit() {
        return new Retrofit.Builder()
                .baseUrl(BASE_URL)                                  // 公共前缀
                .addConverterFactory(JacksonConverterFactory.create())  // 自动 JSON ↔ DTO
                .build();
    }

    @Bean
    public ApiService apiService(Retrofit retrofit) {
        // 动态生成 ApiService 实现
        return retrofit.create(ApiService.class);
    }
}
```

// 4. 在业务层注入并调用

```java
@Service
public class UserService {

    private final ApiService apiService;

    public UserService(ApiService apiService) {
        this.apiService = apiService;
    }

    /**
     * 同步方式获取用户信息
     */
    public User getUserById(String userId) {
        try {
            Call<User> call = apiService.getUser(userId);
            Response<User> resp = call.execute();
            if (resp.isSuccessful()) {
                return resp.body();
            } else {
                // 根据业务需要抛出异常或返回 null
                throw new RuntimeException("请求失败，HTTP " + resp.code());
            }
        } catch (Exception e) {
            throw new RuntimeException("调用用户服务出错", e);
        }
    }

    /**
     * 异步方式获取用户信息
     */
    public void getUserAsync(String userId) {
        apiService.getUser(userId).enqueue(new retrofit2.Callback<User>() {
            @Override
            public void onResponse(Call<User> call, Response<User> response) {
                if (response.isSuccessful()) {
                    User user = response.body();
                    // TODO: 处理 user
                }
            }
            @Override
            public void onFailure(Call<User> call, Throwable t) {
                // TODO: 处理异常
            }
        });
    }
}
```

Retrofit 在运行时会生成这个接口的实现类，帮你完成：

- 拼 URL（把 `{id}` 换成具体值）
- 发起 GET 请求
- 拿到响应的 JSON 并自动反序列化成 `User` 对象



| 核心点          | Apache HttpClient                         | Retrofit                                                     |
| --------------- | ----------------------------------------- | ------------------------------------------------------------ |
| 编程模型        | 细粒度调用，手动构造 `HttpGet`/`HttpPost` | 注解驱动接口方法，声明式调用                                 |
| 请求定义        | 手动拼接 URL、参数                        | 用 `@GET`/`@POST`、`@Path`、`@Query`、`@Body` 注解           |
| 序列化/反序列化 | 手动调用 `ObjectMapper`/`Gson`            | 自动通过 `ConverterFactory`（Jackson/Gson 等）               |
| 同步/异步       | 以同步为主，异步需自行管理线程和回调      | 同一个 `Call<T>` 即可 `execute()`（同步）或 `enqueue()`（异步） |
| 扩展性与拦截器  | 可配置拦截器，但需手动集成                | 底层基于 OkHttp，天然支持拦截器、连接池、缓存、重试和取消    |



### 公众号扫码登录流程

场景：用微信的能力来替你的网站做“扫码登录”或“社交登录”，代替自己写一整套帐号／密码体系。后台只需要基于 `openid` 做一次性关联（比如把某个微信号和你系统的用户记录挂钩），后续再次扫码就当作同一用户；

![image-20250711192110034](https://pic.bitday.top/i/2025/07/11/vrgj6u-0.png)

**1.前端请求二维码凭证**

- 用户点击“扫码登录”，前端向后端发 `GET /api/v1/login/weixin_qrcode_ticket`。

- 后端获取 access_token
  1.先尝试从本地缓存（如 Guava Cache）读取 `access_token`；
  2.若无或已过期，则请求微信接口：

  ```ruby
  GET https://api.weixin.qq.com/cgi-bin/token
      ?grant_type=client_credential
      &appid={你的 AppID}
      &secret={你的 AppSecret}
  ```

  微信返回 `{ "access_token":"ACCESS_TOKEN_VALUE", "expires_in":7200 }`，后端缓存这个值（有效期约 2 小时）。

- 后端利用 `access_token` 创建二维码 ticket，返给前端。（**每次调用微信会返回不同的ticket**）

**2.前端展示二维码**

- 前端根据 `ticket` 生成二维码链接：`https://mp.weixin.qq.com/cgi-bin/showqrcode?ticket={ticket}`

**3.微信回调后端**

- 用户确认**扫描后**，微信服务器向你预先配置的**回调 URL**（如 `POST /api/v1/weixin/portal/receive`）推送包含 `ticket` 和 `openid` 的消息。
- 后端：将 `ticket → openid` **存入缓存**（`openidToken.put(ticket, openid)`）；调用 `sendLoginTemplate(openid)` 给用户推送“登录成功”模板消息（手机公众号上推送，非网页）

**4.前端获知登录结果**

- **轮询方式**：生成二维码后，前端每隔几秒向后端 `check_login` 接口发送 `ticket`来验证登录状态，后端**查缓存**来判断 `ticket` 对应用户是否成功登录。
- **推送方式**：前端通过 WebSocket/SSE 建立长连接，后端回调处理完成后直接往该连接推送登录成功及 JWT。



### 浏览器指纹获取登录ticket

在扫码登录流程的基础上改进！！！

**目的：**把「这张二维码／ticket」严格绑在发起请求的那台浏览器上，防止别的设备或会话**拿到同一个 ticket** 就能登录。

**1.生成指纹**
前端在用户打开「扫码登录页」时，先用 JS／浏览器 API（比如 User-Agent、屏幕分辨率、插件列表、Canvas 指纹等）算出一个唯一的浏览器指纹 `fp`。

**2.获取 ticket 时携带指纹**

前端发起请求：

```bash
GET /api/v1/login/weixin_qrcode_ticket_scene?sceneStr=<fp>
```

后端执行：

```java
String ticket = loginPort.createQrCodeTicket(sceneStr);
sceneTicketCache.put(sceneStr, ticket);  // 把 fp→ticket 映射进缓存
```

**3.扫码后轮询校验**

前端轮询：传入 `ticket` 和 `sceneStr` 指纹

```bash
GET /api/v1/login/check_login_scene?ticket=<ticket>&sceneStr=<fp>
```

后端逻辑（简化）：

```java
// 1) 验证拿到的 sceneStr(fp) 对应的 ticket 是否一致
    String cachedTicket = sceneTicketCache.getIfPresent(sceneStr);
if (!ticket.equals(cachedTicket)) {
  // fp 不匹配，拒绝
  return NO_LOGIN;
}

// 2) 再看 ticket→openid 有没有被写入（扫码并回调后，saveLoginState 会写入）
String openid = ticketOpenidCache.getIfPresent(ticket);
if (openid != null) {
  // 同一浏览器，且已扫码确认，返回 openid（或 JWT）
  return SUCCESS(openid);
}
return NO_LOGIN;
```

**4.回调时保存登录状态**

当用户扫描二维码，微信会回调你预定的接口地址，拿到 `ticket`、`openid` 后，调用：

```java
ticketOpenidCache.put(ticket, openid);     // 保存 ticket→openid
```

注意 `ticketOpenidCache `和 `sceneTicketCache` 一般是一个Cache Bean，这里只是为了更清晰。



**安全性提升**

- **防止“票据劫持”**：别人就算截获了这个 ticket，想拿去自己那台机器上轮询也不行，因为指纹对不上。
- **防止多人共用**：多个人在不同设备上**同时扫同一个码**，只有最先发起获取 ticket 的那台浏览器能完成登录。



### 无痕登录

“无痕登录”（又称“免扫码登录”或“静默登录”）的核心思想，是在用户首次通过二维码/授权完成登录后，给这台设备发放一份**长期信任凭证**，以后再访问就能悄无声息地登录，不再需要人为地再扫码或输入密码。

#### 典型流程

**1.初次登录（扫码授权）**

即前面**"浏览器指纹获取登录ticket"**的流程

**2.后续“无痕”自动登录**

1）前端再次打开页面，重新生成指纹

2）前端调用“免扫码”接口，仅传递指纹

3）后端校验 fingerprint → openid

```java
String openid = sceneLoginCache.getIfPresent(sceneStr);
if (openid != null) {
  // 直接返回登录态（Session / JWT）
  return SUCCESS(openid);
} else {
  // 指纹过期或未绑定，返回未登录，前端再走扫码流程
  return NO_LOGIN;
}
```

4）**成功后**，前端拿到 openid/JWT，直接进入应用，无需用户任何操作。



### 独占锁和无锁化场景（防超卖）

#### 独占锁

**适用场景**

- **定时任务互备**
  多机部署时，确保每天只有一台机器在某个时间点执行同一份任务（如数据清理、报表生成、邮件推送等）。

```java
@Scheduled(cron = "0 0 0 * * ?")
    public void exec() {
        // 获取锁句柄，并未真正获取锁
        RLock lock = redissonClient.getLock("group_buy_market_notify_job_exec");
        try {
            //尝试获取锁 waitTime = 3:如果当前锁已经被别人持有，调用线程最多等待 3 秒去重试获取;leaseTime = 0:不设过期时间，看门狗机制
            boolean isLocked = lock.tryLock(3, 0, TimeUnit.SECONDS);
            if (!isLocked) return;
            Map<String, Integer> result = tradeSettlementOrderService.execSettlementNotifyJob();
            log.info("定时任务，回调通知拼团完结任务 result:{}", JSON.toJSONString(result));
        } catch (Exception e) {
            log.error("定时任务，回调通知拼团完结任务失败", e);
        } finally {
            if (lock.isLocked() && lock.isHeldByCurrentThread()) {
                lock.unlock();
            }
        }
    }
```

#### 无锁化场景

“无锁化”设计 的核心思路是不在整个逻辑上加一把全局互斥锁，而是用 **Redis 原子操作** + **后置校验／补偿** 来完成并发控制。

**原子计数（Atomic Counter）**
用 Redis 的 `INCR`（或 Redisson 的 `RAtomicLong.incrementAndGet()`）来保证并发环境下每次调用都能拿到一个唯一、自增的数字。这个数字可以看作“第 N 个占位请求”。

**边界校验＋补偿回滚（Validation & Compensation）**
拿到新数字后，马上与允许的最大值（`target + 已回滚补偿数`）做比较：

- 如果在范围内，视为占位成功；
- 如果超出范围，则把 Redis 里的计数器重置回 `target`（即“丢弃”这次多余的自增），并返回失败。

**极端兜底锁（Fallback Lock）**
虽然 `INCR` 本身已经原子，但在极端运维或网络抖动下仍有极小几率两次自增同时返回相同值。
因此，针对每个“序号”再做一次最轻量的 `SETNX(key:occupySeq)`：

- 成功 `SETNX` → 序号唯一，真正拿到名额；
- 失败 `SETNX` → 重复抢号，拒绝这次占位。

**典型适用场景**

- **电商秒杀 & 拼团抢购**
  万级甚至十万级并发下不适合所有请求都排队，必须让绝大多数请求用原子计数并行处理。
- **抢票系统**
  票务分配、座位预占，都讲究“先到先得”+“补偿回退”，不能用一把大锁。

```java
@Override
public boolean tryOccupy(String counterKey,
                         String recoveryKey,
                         int target,
                         int ttlMinutes) {

    // 1) 读取“补偿”次数（退款/回滚补偿）
    Long recovery = redisService.getAtomicLong(recoveryKey);
    int recovered = (recovery == null ? 0 : recovery.intValue());

    // 2) 原子自增，拿到当前序号
    long seq = redisService.incr(counterKey);
    long occupySeq = seq;

    // 3) 超出“目标 + 补偿池” → 回滚主计数器，失败
    if (occupySeq > target + recovered) {
        redisService.setAtomicLong(counterKey, target);
        return false;
    }

    // 4) 如果用到了补偿名额（序号已经 > target），就从补偿池里减掉一个
    //if (occupySeq > target) {
    //    redisService.decr(recoveryKey);
    //}

    // 5) 兜底锁：针对每个序号做一次 SETNX，防止极端重复
    String lockKey = counterKey + ":lock:" + occupySeq;
    boolean locked = redisService.setNx(lockKey, ttlMinutes, TimeUnit.MINUTES);
    if (!locked) {
        return false;
    }

    // 6) 成功占位
    return true;
}
```



### `Supplier<T>`

`Supplier<T>` 是 Java 8 提供的一个函数式接口

```java
@FunctionalInterface
public interface Supplier<T> {
    /**
     * 返回一个 T 类型的结果，参数为空
     */
    T get();
}
```

任何“无参返回一个 T 类型对象”的代码片段（方法引用或 lambda）都可以当成 `Supplier<T>` 来用。

#### **作用**

**1.延迟执行**
把“取数据库数据”这类开销大的操作，包装成 `Supplier<T>` 传进去；只有真正需要时（缓存未命中），才调用 `supplier.get()` 去跑查询。

**2.解耦逻辑**
缓存逻辑和查询逻辑分离，缓存组件不用知道“怎么查库”，只负责“啥时候要查”，调用方通过 `Supplier` 把查库方法交给它。

**3.重用性高**
同一个缓存-回源模板方法可以服务于任何返回 `T` 的场景，既可以查 `User`，也可以查 `Order`、`List<Product>`……

```java
// 服务方法：它只关心“缓存优先，否则回源”
// dbFallback 是一段延迟执行的查库代码
protected <T> T getFromCacheOrDb(String cacheKey, Supplier<T> dbFallback) {
    // 1) 先从缓存拿
    T v = cache.get(cacheKey);
    if (v != null) return v;

    // 2) 缓存没命中，调用 dbFallback.get() 去“回源”拿数据
    T fromDb = dbFallback.get();
    if (fromDb != null) {
        cache.put(cacheKey, fromDb);
    }
    return fromDb;
}

// 调用时这么写：
User user = getFromCacheOrDb(
    "user:42",
    () -> userRepository.findById(42)  // 这里的 () -> ... 就是一个 Supplier<User>
);

List<Product> list = getFromCacheOrDb(
    "hot:products",
    () -> productService.queryHotProducts()  // Supplier<List<Product>>
);

```



### 动态限流+黑名单

<img src="https://pic.bitday.top/i/2025/07/24/rbw21x-0.jpg" alt="ce1092e98bdb7d396589a46376b872a4" style="zoom:67%;" />

**令牌桶算法（Token Bucket）**

- 按固定速率往桶里放“令牌”（tokens），比如每秒放 N 个；
- 每次请求来临时“取一个令牌”才能通过，取不到就拒绝或降级；
- 可以做到“流量平滑释放”、“突发流量吸纳”（桶里最多能积攒 M 个令牌）。

**核心限流思路**

- **注解驱动拦截**：对标记了 `@RateLimiterAccessInterceptor` 的方法统一进行限流。
- **分布式限流**：基于 Redisson 的 `RRateLimiter`，可在多实例环境下共享令牌桶。
- **黑名单机制**：对超限用户计数，达到阈值后加入黑名单（24 h 后自动解禁）。
- **动态开关**：通过 DCC 配置中心开关（`rateLimiterSwitch`）可随时启用或关闭限流。
- **降级回调**：限流或黑名单命中时，通过注解指定的方法反射调用，返回自定义响应。

```text
请求到达
  ↓
检查限流开关（DCC）
  ↓
解析限流维度（key，如 userId）
  ↓
黑名单校验（RAtomicLong 计数，24h 过期）
  ↓
分布式令牌桶限流（RRateLimiter.tryAcquire）
  ↓
├─ 通过 → 执行目标方法
└─ 拒绝 → 调用 fallback 方法，记录黑名单次数
```



| 对比维度          | 本地限流                                             | 分布式限流                                                   |
| ----------------- | ---------------------------------------------------- | ------------------------------------------------------------ |
| 实现复杂度        | **低**：直接用 Guava `RateLimiter`，几行代码即可接入 | **中高**：依赖 Redis/Redisson，需要注入客户端并管理限流器    |
| 性能开销          | **极低**：全程内存操作，纳秒级延迟                   | **中等**：每次获取令牌需网络往返，存在 RTT 延迟              |
| 限流范围          | **单实例**：仅对当前 JVM 有效，多实例互不影响        | **全局**：多实例共享同一套令牌桶，合计速率可控               |
| 状态持久化 & 容错 | **无**：服务重启后状态丢失；实例宕机只影响自身       | **有**：Redis 存储限流器与黑名单，可持久化；需保证 Redis 可用性 |
| 监控 & 可观测     | **弱**：需额外上报或埋点才能集中监控                 | **强**：可直接查看 Redis Key、TTL、计数等，易做报警与可视化  |
| 运维依赖          | **无**：不依赖外部组件                               | **有**：需维护高可用的 Redis 集群，增加运维成本              |

目前本项目使用的是分布式限流，用Redisson



###  日志系统

#### 输出流向一览

输出到3个地方：控制台、本地文件、ELK日志（服务器上内存不足无法部署！）

| 日志级别    | 控制台 | 本地文件（异步）              | Logstash (TCP) |
| ----------- | ------ | ----------------------------- | -------------- |
| TRACE/DEBUG | —      | —                             | —              |
| INFO        | ✔      | `log_info.log`                | ✔              |
| WARN        | ✔      | `log_info.log``log_error.log` | ✔              |
| ERROR/FATAL | ✔      | `log_info.log``log_error.log` | ✔              |

> 注意：实际写文件时，都是通过 ASYNC_FILE_INFO/ERROR 两个异步 Appender 执行，以免日志写盘阻塞业务线程。

#### ELK日志系统

本地文件每台机器都会在自己 `/data/log/...` 目录下滚动输出自己的日志，互相之间不会合并。

如果你希望跨多台服务器**统一管理**，就需要把日志推到中央端——ELK日志系统

ELK=Elasticsearch（存储&检索）+ Logstash（采集&处理）+ Kibana（可视化）

docker-compose.yml:

```yml
version: '3'
services:
  elasticsearch:
    image: elasticsearch:7.17.28
    ports: ['9201:9200','9300:9300']
    environment:
      - discovery.type=single-node
      - ES_JAVA_OPTS=-Xms512m -Xmx512m
    volumes:
      - ./data:/usr/share/elasticsearch/data
  logstash:
    image: logstash:7.17.28
    ports: ['4560:4560','9600:9600']
    volumes:
      - ./logstash/logstash.conf:/usr/share/logstash/pipeline/logstash.conf
    environment:
      - LS_JAVA_OPTS=-Xms1g -Xmx1g
  kibana:
    image: kibana:7.17.28
    ports: ['5601:5601']
    environment:
      - elasticsearch.hosts=http://elasticsearch:9200
networks:
  default:
    driver: bridge

```

kibana配置：

```yml
#
# ** THIS IS AN AUTO-GENERATED FILE **
#

# Default Kibana configuration for docker target
server.host: "0"
server.shutdownTimeout: "5s"
elasticsearch.hosts: [ "http://elasticsearch:9200" ] # 记得修改ip
monitoring.ui.container.elasticsearch.enabled: true
i18n.locale: "zh-CN"
```

logstash配置:

```conf
input {
  tcp {
    mode => "server"
    host => "0.0.0.0"
    port => 4560
    codec => json_lines
    type => "info"
  }
}
filter {}
output {
  elasticsearch {
      action => "index"
      hosts => "es:9200"
      index => "group-buy-market-log-%{+YYYY.MM.dd}"
    }
}
```

自己的项目：

```java
<!-- 上报日志；ELK -->
    <springProperty name="LOG_STASH_HOST" scope="context" source="logstash.host" defaultValue="127.0.0.1"/>

    <!--输出到logstash的appender-->
    <appender name="LOGSTASH" class="net.logstash.logback.appender.LogstashTcpSocketAppender">
        <!--可以访问的logstash日志收集端口-->
        <destination>${LOG_STASH_HOST}:4560</destination>
        <encoder charset="UTF-8" class="net.logstash.logback.encoder.LogstashEncoder"/>
    </appender>
```

```xml
<dependency>
    <groupId>net.logstash.logback</groupId>
    <artifactId>logstash-logback-encoder</artifactId>
    <version>7.3</version>
</dependency>
```

**使用**

检查索引：curl http://localhost:9201/_cat/indices?v3

打开 Kibana：浏览器访问 `http://localhost:5601`，新建 索引模式（如 `app-log-*`），即可在 Discover/Visualize 中查看与分析日志。



### 防止重复下单

**外部交易单号设计**

- **统一跟踪**：对接小商城时，将外部交易单号（`out_trade_no`）与小商城下单时生成的 `order_id` 保持一致，方便全链路追踪。
- **内部独立**：拼团系统内部仍保留自己的 `order_id`，互不冲突。

在高并发支付场景中，确保同一用户对同一商品/活动只生成一条待支付订单，常用以下两种思路：

#### 业务维度复合唯一索引 + 冲突捕获重试

1. **查询未支付订单**
   - 在创建订单时，先根据业务维度（如 `userId + goodId + activityId`）查询“已下单但未支付”的订单；
   - 若存在，则直接返回该订单，避免二次创建。
2. **复合唯一索引约束**
   - 在订单表中对业务维度字段（`userId`、`goodId`、`activityId` 等）添加**复合唯一索引**；
   - 高并发下若出现并行插入，后续请求因违反唯一约束抛出异常；
   - 捕获异常后，再次查询并返回已创建的订单，实现幂等。
3. **分布式锁保障（可选）**
   - 针对同一用户加分布式锁（例如 `lock:userId:{userId}`），确保只有**首个请求能获取锁**并创建订单；
   - 后续请求等待锁释放或直接返回“订单处理中”，随后再次查询订单状态。

#### 幂等 Key 模式

1. **生成幂等 Key**
   - 前端进入支付流程时调用接口（`GET /api/idempotency-key`），后端生成全局唯一 ID（UUID 或雪花 ID）返回给前端；
   - 或者外部系统（如小商城）传来唯一的外部交易单号（`out_trade_no`），**天生作为幂等Key。**
   - 前端将该 Key 存入内存、LocalStorage 或隐藏表单字段，直至支付完成或过期。
2. **请求携带幂等 Key**
   - 用户点击“下单”时，调用 `/create_pay_order` 接口，需在请求体中附带 `idempotencyKey`；
   - 服务端根据该 Key 判断：若数据库中已有相同 `idempotency_key`，直接返回该订单，否则创建新订单。
3. **数据库持久化 & 唯一约束**
   - 在订单表中新增 `idempotency_key` 列，并对其增加唯一索引；
   - 双重保障：前端重复发送同一 Key，也仅能插入一条记录，彻底避免重复下单。