秋招的破局之法-极具竞争力的企业级项目“大麦”

关于项目的技术架构介绍，可参考此篇文章："大麦"企业级高并发实战项目亮点介绍

目前项目重复度极低，意味着简历在筛选时脱颖而出的概率更高 

项目技术栈特别的丰富，包括了Springboot、SpringCloud、Gateway、Nacos、Sentinel、Log4j2、Mysql、MyBatis-Plus、ShardingSphere、AJ-Captcha、Kafka、Redis、RedisStream、Redisson、Elasticsearch、Kibana、Nginx、Docker、JWT、Swagger-UI、Knife4j、Hibernator-Validator、XXL-Job

项目业务介绍

为了应对用户购买演唱会时的高并发问题，项目中包含了真实生产环境中很多实际的落地解决方案。利用缓存（分布式缓存、本地环境）、锁（不同类型、粒度优化）、mq（异步削峰）、分布分表（海量存储）、服务监控（监听服务的各种状态）、防刷（可动态配置某段时间的并发请求量）

项目业务亮点

• 可以配置灵活的请求限制规则，提供细致的定制维度（包括：请求数的阈值、统计的时间窗口、限制生效时间）来实现防刷功能
• 设计多个验证功能（图形验证码、分布式计数器、布隆过滤器）来解决高并发下的缓存穿透问题
• 利用分片思想在缓存中保存节目的数据、票档、座位数据。极大的提高系统的并发能力
• 利用Redis+lua解决高并发下的余票数量以及其他数据的扣减问题
• 利用计算机二进制的特征，设计 基因法 来解决订单服务下的多个条件查询问题
• 将框架中原有分布式延迟队列功能，通过利用分片存储和多线程消费，实现成倍的性能提升！保证大量并发情况下订单的及时关闭问题
• 使用Elasticsearch来实现演唱会的列表显示，并实现智能搜索
• 对Feign、Nacos、Ribbon、LoadBalance微服务框架的额外高级定制扩展，不再只是局限于单纯的使用
• 为了解决用户购票的高并发问题，对锁的类型、锁的读写场景、锁的检测、锁的分段，等多种维度进行优化
• 利用自动装配原理设计出了Redis封装、RedisStream、布隆过滤器、服务处理化管理封装、分布式锁、幂等、Web配置、灰度服务切换、延迟队列等多个组件、分布式id、线程池增强等多个组件

项目地址

• gitee： https://gitee.com/java-up-up/damai
• github： https://github.com/shining-stars-lk/damai

项目结构图