1. 项目背景与核心价值
去年帮学弟调试毕业设计时，发现餐饮类选题中隐藏着三个共性痛点：一是推荐算法直接套用协同过滤模板，二是SpringBoot后端与小程序数据交互存在性能瓶颈，三是毕设文档缺乏真实业务场景支撑。这个外卖推荐APP项目恰好针对这些痛点给出了完整解决方案。
从技术栈组合来看，SpringBoot+小程序+推荐算法的架构既符合当前企业主流技术选型，又能覆盖计算机专业三大核心课程（后端开发、移动应用、数据挖掘）。特别值得一提的是项目资料包中的"冷启动推荐策略"和"实时点击反馈系统"，这两个模块在常规教学案例中极少出现，却是实际商业系统中的关键组件。
2. 系统架构设计解析
2.1 技术栈选型依据
后端选择SpringBoot而非SSM框架，主要考虑两点：一是内置Tomcat简化部署，特别适合需要远程演示的毕设场景；二是Starter机制能快速集成Redis（用于缓存菜品数据）和Elasticsearch（实现菜品搜索）。实测在4核8G云服务器上，SpringBoot+MySQL组合可稳定支撑300+QPS的并发请求。
小程序端采用uniapp跨平台方案，其优势在于：一份代码可同时生成微信/支付宝小程序包，避免因答辩设备限制导致演示失败。项目中的封装组件库特别值得关注，比如优化过的image组件支持懒加载和失败重试，使菜品图片加载耗时降低40%。
2.2 推荐系统分层架构
核心推荐模块采用经典的三层架构：
- 召回层：基于用户历史行为的ItemCF算法（代码中优化了余弦相似度计算）
- 粗排层：使用逻辑回归模型（包含7个特征维度）
- 精排层：XGBoost模型（项目提供预训练好的.pkl文件）
特别实用的设计是在召回层加入了时间衰减因子，使最近3天的点击行为权重提升50%。这个细节处理能让推荐结果更符合外卖场景的高时效性特点。
3. 关键实现细节剖析
3.1 冷启动解决方案
项目提供了三种创新方案：
- 地域热销榜（通过IP解析实现）
- 新客优惠菜品组合
- 基于用户属性的聚类推荐（需提前收集年龄/性别信息）
其中地域热销榜的实现最值得借鉴：通过高德地图API将用户IP转换为商圈ID，再关联商户的月销数据。这个方案在项目中的GeoUtil类里有完整实现。
3.2 实时反馈系统
采用Kafka+Flume构建的实时流水线包含三个关键步骤：
- 小程序端埋点数据格式规范（见assets目录下的event_schema.json）
- 日志收集服务配置（resources/flume-conf.properties）
- 实时特征更新策略（algorithm/real_time_update.py）
测试数据表明，当用户点击"不喜欢"按钮后，相关菜品在后续推荐中的曝光率能在5分钟内下降60%。
4. 性能优化实战记录
4.1 缓存策略优化
项目中使用Redis实现了三级缓存体系：
- 菜品基础信息：设置2小时过期时间
- 用户画像数据：采用LRU淘汰策略
- 推荐结果：设置15分钟短过期时间
关键技巧是在CacheAspect切面中加入了防穿透逻辑：当缓存未命中时，先获取分布式锁再查询数据库，避免缓存雪崩。这个实现在middleware/lock包下可以找到。
4.2 数据库分表方案
订单表按照用户ID尾号分10张子表（t_order_0到t_order_9），在application.yml中配置了动态数据源路由规则。特别值得注意的是分表后的聚合查询方案：通过冗余统计字段+定时任务来避免跨表查询。
5. 部署与调试指南
5.1 远程调试配置
项目中提供的remote-debug.md文档详细说明了：
- IDEA远程调试参数配置
- 小程序真机调试的端口转发技巧
- Nginx日志分析命令集
一个实用技巧是：在application-dev.properties中开启SQL日志时，建议加上spring.jpa.show-sql=true和spring.jpa.properties.hibernate.format_sql=true参数，这样能输出格式化的SQL语句。
5.2 定制开发建议
对于需要扩展功能的同学，推荐优先考虑以下三个方向：
- 增加外卖配送路线规划功能（可集成美团开放API）
- 实现菜品图片的智能审核（使用阿里云内容安全API）
- 开发商户端的数据分析看板（基于ECharts）
项目源码中预留了相应的接口扩展点，比如在MerchantController里已经定义了/data/analysis接口框架。
6. 避坑经验分享
小程序图片域名白名单问题：务必在微信公众平台配置服务器域名时，同时添加uploadFile合法域名和downloadFile合法域名（项目文档中有截图示例）
推荐算法效果评估：不要直接使用准确率/召回率指标，外卖场景更应关注：
- 下单转化率（CTR）
- 推荐多样性（通过香农熵计算）
- 长尾商品覆盖率
并发测试时的常见陷阱：模拟高并发请求时，注意关闭SpringBoot的Actuator健康检查端点，否则可能因/metrics接口拖累性能。可以在application-test.properties中添加management.endpoints.web.exposure.exclude=metrics配置。
文档撰写技巧：业务流程图建议使用PlantUML绘制（项目docs目录中有模板），比Visio更易维护；技术架构图要明确标注组件间的协议类型（HTTP/gRPC等），这是答辩时老师常问的点。
