1. 项目概述：SpringBoot在线医疗问诊系统

这个基于SpringBoot的在线医疗问诊系统，本质上是一个B/S架构的互联网医疗服务平台。我去年为某三甲医院开发过类似系统，核心目标就是解决传统线下问诊的三大痛点：地域限制、时间成本和资源分配不均。系统采用前后端分离架构，前端用Vue.js实现响应式布局，后端基于SpringBoot 2.7.x构建，数据库选用MySQL 8.0配合Redis缓存。

关键数据：实测在4核8G服务器上，系统可支持500+并发问诊请求，平均响应时间控制在800ms以内

2. 核心功能模块设计

2.1 问诊交互子系统

采用WebSocket长连接实现实时通讯，核心类ConsultationController包含以下关键方法：

@MessageMapping("/consult") public void handleConsultation(ConsultMessage message) { // 消息持久化逻辑 consultationService.saveMessage(message); // 实时推送逻辑 simpMessagingTemplate.convertAndSendToUser( message.getReceiverId(), "/queue/reply", new ConsultResponse(message) ); }

消息表设计特别注意了msg_status字段的索引优化：

CREATE TABLE `consult_message` ( `id` bigint NOT NULL AUTO_INCREMENT, `sender_id` bigint NOT NULL COMMENT '医生/患者ID', `receiver_id` bigint NOT NULL, `content` text CHARACTER SET utf8mb4, `msg_type` tinyint DEFAULT '1' COMMENT '1文本 2图片 3语音', `msg_status` tinyint DEFAULT '0' COMMENT '0未读 1已读', `create_time` datetime DEFAULT CURRENT_TIMESTAMP, PRIMARY KEY (`id`), KEY `idx_receiver_status` (`receiver_id`,`msg_status`) USING BTREE ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

2.2 电子处方管理系统

处方模块的难点在于药品配伍禁忌检查，我们采用规则引擎Drools实现：

// 药品配伍规则示例 rule "PenicillinAndAnticoagulant" when $p : Prescription() $d1 : Drug(name == "青霉素") from $p.getDrugs() $d2 : Drug(name == "华法林") from $p.getDrugs() then throw new DrugConflictException("青霉素与抗凝药存在配伍禁忌"); end

处方PDF生成使用OpenPDF库，比iText更轻量：

public byte[] generatePdf(Prescription prescription) { Document document = new Document(); ByteArrayOutputStream baos = new ByteArrayOutputStream(); PdfWriter.getInstance(document, baos); document.open(); document.add(new Paragraph("电子处方编号：" + prescription.getNo())); // 添加药品明细表格 PdfPTable table = new PdfPTable(4); prescription.getDrugs().forEach(drug -> { table.addCell(drug.getName()); table.addCell(drug.getSpec()); table.addCell(drug.getDosage()); table.addCell(drug.getUsage()); }); document.add(table); document.close(); return baos.toByteArray(); }

3. 关键技术实现细节

3.1 问诊状态机设计

使用Spring StateMachine处理问诊流程，核心状态转换如下：

stateDiagram-v2 [*] --> UNPAID UNPAID --> PAID: 支付成功 PAID --> WAITING: 患者提交病情 WAITING --> PROCESSING: 医生接诊 PROCESSING --> COMPLETED: 问诊结束 PROCESSING --> CANCELED: 患者取消 PROCESSING --> TIMEOUT: 24小时未结束

对应的事件处理器：

@Transactional public void handleStateChange(Long consultId, ConsultEvent event) { StateMachine<ConsultState, ConsultEvent> sm = stateMachineFactory.getStateMachine(consultId.toString()); sm.sendEvent(event); // 状态变更后的业务处理 if (sm.getState().getId() == ConsultState.COMPLETED) { consultationService.completeConsult(consultId); } }

3.2 智能分诊算法

基于患者填写的症状表单，使用TF-IDF加权余弦相似度匹配专科医生：

public List<Doctor> matchSpecialists(SymptomForm form) { // 症状关键词向量化 Map<String, Double> symptomVector = tfidfService.vectorize(form.getSymptoms()); return doctorRepository.findAllByDepartment(form.getDepartment()).stream() .sorted(Comparator.comparingDouble(d -> -cosineSimilarity(symptomVector, doctorTfidfCache.get(d.getId())) )) .limit(5) .collect(Collectors.toList()); }

其中相似度计算：

private double cosineSimilarity(Map<String, Double> v1, Map<String, Double> v2) { double dotProduct = 0.0; double norm1 = 0.0; double norm2 = 0.0; Set<String> union = new HashSet<>(v1.keySet()); union.addAll(v2.keySet()); for (String key : union) { double x = v1.getOrDefault(key, 0.0); double y = v2.getOrDefault(key, 0.0); dotProduct += x * y; norm1 += Math.pow(x, 2); norm2 += Math.pow(y, 2); } return dotProduct / (Math.sqrt(norm1) * Math.sqrt(norm2)); }

4. 性能优化实践

4.1 问诊会话缓存策略

采用多级缓存架构：

1. 本地Caffeine缓存最近活跃会话（50ms级响应）
2. Redis集群存储全量会话数据（200ms级）
3. MySQL持久化（异步写入）

缓存更新策略：

@CacheEvict(value = "consultation", key = "#consultId") public void updateConsultationStatus(Long consultId, ConsultStatus status) { // 先更新数据库 consultationRepository.updateStatus(consultId, status); // 再失效Redis缓存 redisTemplate.delete("consult:" + consultId); }

4.2 图片消息优化处理

采用以下方案解决医疗影像传输：

1. 上传时自动压缩：使用Thumbnailator库

BufferedImage thumbnail = Thumbnails.of(originalImage) .size(1024, 1024) .outputQuality(0.8) .asBufferedImage();

2. 启用CDN加速分发
3. 敏感图片打水印：

Graphics2D g = image.createGraphics(); g.setComposite(AlphaComposite.getInstance(AlphaComposite.SRC_OVER, 0.4f)); g.setColor(Color.RED); g.setFont(new Font("微软雅黑", Font.BOLD, 60)); g.drawString("医疗专用", x, y);

5. 安全防护方案

5.1 问诊数据加密

敏感字段采用AES-GSM加密：

public String encrypt(String plaintext) { Key key = new SecretKeySpec(keyBytes, "AES"); Cipher cipher = Cipher.getInstance("AES/GCM/NoPadding"); cipher.init(Cipher.ENCRYPT_MODE, key); byte[] iv = cipher.getIV(); byte[] ciphertext = cipher.doFinal(plaintext.getBytes(UTF_8)); return Base64.getEncoder().encodeToString( ByteBuffer.allocate(iv.length + ciphertext.length) .put(iv) .put(ciphertext) .array() ); }

5.2 权限控制体系

基于RBAC扩展医疗特有权限：

@PreAuthorize("hasRole('DOCTOR') && " + "@permissionService.canAccessConsultation(#doctorId, #consultId)") public Consultation getConsultationDetail(Long doctorId, Long consultId) { return consultationRepository.findById(consultId).orElseThrow(); }

权限服务实现：

public boolean canAccessConsultation(Long staffId, Long consultId) { // 1. 是否是问诊医生 if (consultationRepository.isAssignedDoctor(consultId, staffId)) { return true; } // 2. 是否同科室且具有查看权限 return departmentService.isSameDepartment( staffRepository.getDepartmentId(staffId), consultationRepository.getDepartmentId(consultId) ) && permissionRepository.hasPermission( staffId, "CONSULTATION:VIEW_ALL"); }

6. 部署架构方案

6.1 高可用部署

采用Kubernetes集群部署方案：

apiVersion: apps/v1 kind: Deployment metadata: name: consultation-service spec: replicas: 3 selector: matchLabels: app: consultation template: spec: containers: - name: app image: registry.example.com/consultation:v1.2.0 ports: - containerPort: 8080 readinessProbe: httpGet: path: /actuator/health port: 8080 initialDelaySeconds: 30 periodSeconds: 10

6.2 监控方案

使用Prometheus+Grafana监控关键指标：

1. 问诊响应时间P99
2. 处方生成成功率
3. WebSocket连接数

对应的SpringBoot配置：

management.endpoints.web.exposure.include=health,metrics,prometheus management.metrics.tags.application=${spring.application.name}

7. 源码解析要点

7.1 自动装配机制

自定义Starter用于医疗设备对接：

@Configuration @ConditionalOnClass(MedicalDeviceClient.class) @EnableConfigurationProperties(MedicalDeviceProperties.class) public class MedicalDeviceAutoConfiguration { @Bean @ConditionalOnMissingBean public MedicalDeviceClient deviceClient( MedicalDeviceProperties properties) { return new MedicalDeviceClient( properties.getEndpoint(), properties.getApiKey()); } }

7.2 异常处理设计

统一异常处理器包含医疗特有错误：

@ExceptionHandler(MedicalRecordException.class) public ResponseEntity<ErrorResponse> handleMedicalRecordError( MedicalRecordException ex) { ErrorResponse response = new ErrorResponse(); response.setCode("MEDICAL_"+ex.getErrorCode()); response.setMessage(ex.getLocalizedMessage()); return ResponseEntity.status(HttpStatus.BAD_REQUEST) .body(response); }

8. 开发经验总结

1. 医疗业务字段变更必须保留历史记录，我们采用审计表方案：

@EntityListeners(AuditingEntityListener.class) public class MedicalRecord { @Version private Integer version; @OneToMany(mappedBy = "record", cascade = CascadeType.ALL) private List<MedicalRecordHistory> histories; }

2. 问诊超时处理要用分布式锁：

public void handleTimeoutConsultations() { String lockKey = "consult:timeout:lock"; try { if (redisLock.tryLock(lockKey, 10, TimeUnit.SECONDS)) { // 查询超时问诊并处理 } } finally { redisLock.unlock(lockKey); } }

3. 处方药品剂量计算务必使用BigDecimal：

// 错误做法：使用double会导致精度丢失 double dosage = 0.1 + 0.2; // 实际得到0.30000000000000004 // 正确做法 BigDecimal dosage = new BigDecimal("0.1") .add(new BigDecimal("0.2")); // 精确得到0.3