SpringBoot实战项目 | 苏三的12 个实战项目 | 微服务 | 分布式 |高并发 | AI

Java突击队2026/3/4大约 23 分钟

SpringBoot实战项目 | 苏三的12 个实战项目 | 微服务 | 分布式 |高并发 | AI

前言

最近我的知识星球又增加了三个新项目：企业智能知识库系统、SaaS点餐系统和 100万QPS短链系统。

企业智能知识库系统覆盖了从文档创建、文档导入、视频、音频、图片、PDF、word、PPT、excel、markdown、txt等多种格式的文件上传和预览、分类存储、混合智能检索、权限审批、版本管理，到 AI 智能RAG问答、AI写作、KAG知识图谱分析的全链路。

SaaS点餐系统是DDD+微服务+多租户的复杂项目，而100万QPS短链系统是一个超高并发的实战项目。

加上之前的项目，星球中已经更新了 12 个项目，包含了各种业界常见的技术，非常值得一看。

今天给大家介绍一下这些项目，感兴趣的小伙伴，可以加入星球学习，干货满满。

1 SaaS点餐系统

使用技术：JDK21、SpringBoot3.4.3、SpringCloud、SpringCloud Alibaba、Gateway、Mybatis、PostgesSQL、Redis、RocketMQ、ElasticSearch、Knife4j、Prometheus、Grafana、Minio、数据隔离等。

SaaS点餐系统是一套：DDD开发模式+多租户+PostgesSQL 的复杂微服务系统。

包含了9个微服务。

系统整体架构如下：

数据隔离方案如下：

DDD开发模式的代码示例：

通过这个项目可以掌握DDD开发模型、多租户数据隔离的方案实现、PostgresSQL数据库的使用，还有微服务之间的数据交换，网关服务的统一处理，以及复杂系统的职责领域的划分。

部分功能截图：

2 100万QPS短链系统

使用技术：JDK21、SpringBoot3.5.3、JPA、Redis、布隆过滤器、Sentinel、Nacos、Redisson、shardingsphere、HikariCP、guava、Prometheus等。

目前设计了16个数据库，每个数据库包含了64张表。

每天可支持2.6亿以上的数据写入。

100万QPS短链系统的系统架构图如下：

100万QPS短链系统的系统架构图

技术亮点：

该项目的亮点是：

使用了最新的JDK21和SpringBoot3.5.3
100万QPS的超高并发请求
数据库分库分表设计
多级布隆过滤器设计
限流和熔断的使用
Redis分片集群
改进后的雪花算法
Redis分布式锁的使用
Redis Stream的使用
多级缓存设计
多线程的处理
完整的单元测试覆盖
使用Prometheus对项目实时监控
使用Grafana创建监控仪表盘
使用AlertManager实现自动报警功能
接入钉钉报警
基于时间片的布隆过滤器
系统平滑扩容
基于Docker容器化部署
支持多种短链生成算法
接口幂等性设计

基于时间片的布隆过滤器流程图如下：

短链系统平滑扩容方案如下：

通过这个项目，可以学到很多高并发、流量评估、分库分表、多级缓存、多级布隆过滤器、限流、熔断、多线程、监控、报警、数据扩容、集群、广播消息、单元测试编写等多方面的知识。

目前这个项目包含两端代码：

后端服务
前端服务

想进大厂的小伙伴们，一定不要错过这个项目，里面有很多加分项。

有多位球友反馈，在简历中加入短链，面试机会一下子多了很多：

一周拿了三个offer：

一周拿了三个offer

后悔没早点遇到：

星球中有些小伙伴，通过这个项目拿到了非常不错的offer。

3 码上优先（复杂微服务系统）

susan_mall_cloud（码上优先）是一个复杂商城微服务项目，对标500万用户的商城系统，表中有几亿的数据。

订单、收藏、流量记录、优惠券、推送消息等多种业务场景实现了分库分表的设计。

使用了目前业界比较新的技术：JDK17、Spring6、SpringBoot3.3.5、SpringCloud2024、SpringCloud Alibaba2023等。

包含3端的完整项目代码：

后端微服务项目 (SpringBoot + SpringCloud + SpringCloud Alibaba)
移动端项目（unaipp小程序）
管理后台项目（vue+Element UI）

微服务后端包含了：

susan-mall-common （公共文件）
susan-mall-gateway （网关服务）
susan-mall-basic (基础服务)
susan-mall-auth （权限服务，包含用户和权限相关的）
susan-mall-product （商品服务）
susan-mall-order （订单服务）
susan-mall-pay （支付服务）
susan-mall-marketing （营销服务）
susan-mall-message （消息服务)
susan-mall-recommend （推荐服务）

这个版本在商城已有技术基础之上，又增加了：SpringCloud Gateway、WebFlux、Seata、Skywaking、OpenFeign、Loadbalancer、Sentinel、Nacos、Canal、xxl-job、Prometheus、K8S等。

项目架构图：

下面是商城小程序真实的截图：

看起来是不是非常专业？

商城微服务项目很复杂，包含了目前业界微服务分布式系统中使用最主流的技术，强烈推荐一下。

无论在工作中，还是面试中，都可以作为加分项。

特别是SpringCloud Gateway中WebFlux的使用，微服务之间的异常处理，以及微服务之间的通信，都很值得一看。

扫描下方二维码即可加入星球（今天前20名有优惠）：

原价159，今天券后仅需129，后面会逐步涨到299元。

网站上每个月只有20张优惠券，数量有限，先到先得。

如果不满意3天内包退。

4 商城系统

商城系统目前包含了：SpringBoot后端 + Vue管理后台 + uniapp小程序，三个端的完整代码。

商城项目中包含了：基于Docker部署教程、域名解析教程、按环境隔离、网络爬虫、推荐算法、支付宝支付、分库分表、分片算法优化、手写动态定时任务、手写通用分页组件、JWT登录验证、数据脱敏、动态workId、hanlp敏感词校验，手写分布式ID生成器、分布式限流、手写Mybatis插件、两级缓存提升性能、MQ消息通信、ES商品搜索、OSS服务对接、失败自动重试机制、接口幂等性处理、百万数据excel导出、WebSocket消息推送、用户异地登录检测、freemarker模版邮件发送、代码生成工具、重复请求自动拦截、自定义金额校验注解等等一系列功能。

使用的技术：

商城系统的系统架构图如下：

包含了：

应用层：小程序、移动端H5、管理后台
网关层：Nginx反向代理和负载均衡
服务层：API服务、Job服务 & mq消费者服务
数据存储层：susan_mall库MySQL主从、susan_mall_order库MySQL分库分表、MongoDB保存商品详情、Minio存储文件
中间件层：Redis集群、RocketMQ、ElasticSearch、Nacos（注册中间 & 配置中心）

商城系统的技术架构图如下：

使用的都是目前业界非常主流和常用的技术，这些技术大部分公司目前都在使用。

商城系统可以帮你真正增加很多企业级项目经验。

功能亮点：

商城项目无论是毕业设计，还是面试，还是实际工作中，都非常值得一看。

商城项目使用了目前非常主流的技术，手写了很多底层的代码，设计模式、自定义了很多拦截器、过滤器、转换器、监听器等，很多代码可以搬到实际的工作中。

目前星球中包含了商城项目从0~1的完整开发教程，小白也可以直接上手。

多位球友反馈学会商城系统找工作很容易：

WX20251210-210330@2x.png

通过商城系统学到的东西比公司还多：

WX20251210-211831@2x.png

后悔没有早点遇到：

WX20251210-212149@2x.png

星球中有些小伙伴，通过这个项目拿到了非常不错的offer。

拿到offer

扫描下方二维码即可加入星球：

原价159，今天券后仅需129，后面会逐步涨到299元。

网站上每个月只有20张优惠券，数量有限，先到先得。

如果不满意3天内包退。

5. 秒杀系统

苏三的秒杀系统是专门为高并发而生的。

目前使用的技术有：SpringBoot、Redis、Redission、lua、RocketMQ、ElasticSearch、JWT、freemarker、themelaf、html、vue、element-ui等。

功能包括：商品预热、商品秒杀、分布式锁、MQ异步下单、限流、失败重试、预扣库存、数据一致性处理等。

涉及到了高并发的多种技术，特别是对页面静态化，倒计时、秒杀按钮控制、分布式锁、预扣库存、MQ处理、数据一致性等，会有比较大的收获。

秒杀系统的系统架构图：

可以帮你增加高并发的工作经验，也可以写到你的简历中。

秒杀系统在面试或者工作中，会经常遇到，非常有参考价值。

6 刷题吧小程序

IT刷题吧是我用AI花了几天时间，设计和开发了一款小程序。

效果图如下：

为了帮助大家能够快速的掌握使用AI开发项目的技巧，提升开发效率，能够先人一步，变成全栈开发工程师。

无论是自己接私活，还是开发公司的项目，都能够用更少的时间，写出更多，更有价值的代码。

苏三在知识星球中给小伙伴们，通过IT刷题吧项目，专门开设了一个AI开发课程。

你看完之后，会发现打开了一扇通向新世界的大门。（有很多惊喜）

这个课程会包含如下内容：

如何用AI设计产品原型的？
如何用AI生成小程序端和后端的代码结构的？
如何用AI生成后端的表结构？
如何用AI生成小程序和后端代码？
如何生成一套完整的可运行的代码？
如何基于图片生成想要的代码？
如何搞定小程序页面中的图片问题？
如何让小程序端和后端代码调通？
生成的代码不理想怎么办？
如果在开发过程中遇到了一些问题，用AI如何解决问题？
如何生成测试数据？
如何制定代码开发规范？
AI开发工具的使用方法
AI开发工具卡顿怎么办？
如何运行项目？
如何上线部署项目？等等。。。

星球中会交付如下内容：

IT刷题吧小程序
SpringBoot后端代码
用AI开发项目的完整流程

目前已经全部开发完。

使用AI开发这个项目，从0~1的开发和部署教程。问题答疑。通过这个项目，你可以学到使用AI开发项目的具体方法。

如果你掌握了这些方法，开发其他的小程序绰绰有余。

这个项目有极大的价值。

授人予鱼，不如授人以渔。

光是学会这个项目，就值回门票了。

7. 苏三的demo项目

这个项目包含了一些工作中常用的技术点，有很多非常有参考价值的示例。

涵盖：Spring、Mybatis、多线程、事务、常用工具、设计模式、http请求、lamda、io、excel、泛型、注解等多个方面。

本项目的宗旨是分享实际工作中，非常实用的代码技巧，能够让你写出更优雅高效的代码。

此外，后面会收录一下面试中，尤其是笔试中经常会被问题到的代码片段和算法。

8. 代码生成器项目

这是一个基于Spring Boot的智能代码生成器，能够根据数据库表结构自动生成完整的Java Web项目代码，极大提升开发效率，让开发者专注于业务逻辑而非重复的CRUD代码编写。

我们用这个代码生成器，可以通过数据库表，一键直接生成controller、service、mapper、entity、菜单sql、vue页面等。

使用的技术：SpringBoot、MyBatis、Apache Velocity、Swagger2、Lombok、Druid、Maven等。

我们在日常开发中，把数据库表设计好了之后，然后通过该工具，能够快速生成一个可以直接运行的CRUD代码。

毫不夸张的说，如果在项目中使用它，可以让你的开发效率快速提升，我们真的可以少写30%的代码。

在实际工作中，非常有价值。

代码生成器支持：基于表生成和基于SQL生成，默认是基于表生成。

9 智能翻译AI Agent系统

智能翻译AI Agent系统是咱们星球的第二个AI Agent项目。技术难度比第一个AI Agent项目智能天气播报AI Agent项目要更大一些。咱们星球近期规划了多个AI Agent，从简单到复杂，难度是不断升级的。

项目描述

基于Spring AI 的多语言翻译助手，支持文本翻译、文档翻译和实时对话翻译，这个工具非常实用。

核心功能

文本翻译：支持中英日韩等多语言互译
文档翻译：PDF、Word、Excel文档智能翻译
实时对话翻译：聊天场景的实时翻译
术语库管理：专业术语的定制化翻译
翻译质量评估：自动评估翻译准确性

技术栈

核心框架：

Spring Boot 3.x
Spring AI Starter
Elasticsearch
MinIO

AI服务：

通义千问 (文本理解和优化)
阿里云机器翻译

数据存储：

MySQL (翻译记录)
Redis (缓存)

前端：

Thymeleaf
Bootstrap (UI框架)
JavaScript ES6+
WebSocket

效果图如下：

10 代码审查AI Agent系统

项目描述

代码审查AI Agent(CodeGuardian AI) 是面向企业与团队的智能代码审查 Agent。

它将传统静态分析与大语言模型（LLM）深度结合，提供多语言、多维度、高上下文感知的代码问题识别与修复建议。

通过与 Git 仓库、CI/CD 流水线的无缝集成，项目在开发、提交、发布前审计等关键环节提供可审计、可落地的审查能力与专业报告。

核心功能

多范围审查：支持项目/目录/文件/代码片段/Git 项目审查，适配不同开发阶段与场景。
深度分析（AI+规则）：LLM 结合规则引擎（PMD/Checkstyle/SpotBugs/Semgrep），既有上下文推理又有规范落地。
RAG 增强：基于代码库与知识库的检索增强生成（Hybrid：BM25 + 向量检索 + Rerank），提供相似问题与修复示例。
Function Calling：以结构化工具调用驱动本地分析器与解析器（JavaParser/Semgrep），强制输出严格 JSON 结果（Finding/Report）。
专业报告：生成 HTML/Markdown/PDF 报告，包含问题分布、严重级别统计、位置与 Diff、可执行建议。
历史与检索：审查记录留存、分页与查询（名称/范围/时间）、二次检索与复盘。
规范与规则：内置阿里/Google/Airbnb/PEP8 规范模板，支持自定义规范（名称+要点）、权重调优。
Git 集成：支持 Git 地址配置（账户与令牌），拉取并增量分析模块级问题。
CI/CD 集成：REST API 与 Webhook，在 PR/MR、构建、发布前自动触发审查与阻断策略。
安全与合规：敏感信息脱敏、凭据仅会话态、审计日志与链路追踪。

技术栈

语言与框架：Java 21、Spring Boot 3.x、Spring Web（REST）
解析与规则：JavaParser、Semgrep、PMD、Checkstyle、SpotBugs、Tree-sitter（可选）
AI 接入：Spring AI；RAG（Embedding + 向量库 + BM25）
数据与存储：PostgreSQL（任务/结果）、Redis（缓存）、MinIO（对象存储/大报告）
检索与向量：ElasticSearch/pgvector/VectorDB（可选，混合检索）
并发与事件：Java 21 虚拟线程（Loom）、Redis Streams（事件总线，可选）
构建与部署：Maven、Docker
观测与日志：Grafana/ELK、SLF4J + Logback
测试：JUnit 5

技术亮点

可演进单体 + 事件驱动：以模块化单体起步，内部事件总线组织审查管线，平滑演进为微服务。
虚拟线程并发：利用 Java 21 Loom 显著提升多文件/多模块并行分析吞吐。
混合检索与重排：BM25 + 向量检索 + Rerank，让上下文更精准、建议更可靠。
工具函数调用：LLM 与本地分析器协作，既智能又可落地，输出严格结构化结果。

适用场景

日常开发：本地或提交前快速审查，降低代码问题进入主干的概率。
PR/MR 审查：在代码评审中自动给出问题与修复建议，缩短评审时间。
发布前审计：对关键模块进行深度审查，降低发布风险。
遗留系统治理：批量发现长期积累的安全/性能/维护性问题，提供改造建议与路线。

价值与收益

质量：提升问题检出率与建议可执行度，减少隐藏缺陷。
速度：自动化、并发化审查显著缩短反馈周期。
可审计：历史记录与报告可检索、可留痕，满足合规要求。
可演进：从单体到微服务、从在线到私有模型，满足不同阶段与规模的诉求。

页面效果

代码结构如下：

11 智能商品推荐系统

项目描述

智能推荐与交易助手（Smart Recommendation Assistant）是一个面向电商/零售场景的对话式导购与交易协同系统。

项目以“一个对话入口”串联完整交易链路：从商品咨询、智能推荐、购物车操作、订单确认、下单、订单查询、取消订单、确认收货、评价查看与提交，实现“推荐可解释、操作可执行、结果可追踪”的闭环体验。

系统采用 RAG（检索增强生成）+ Function Calling（工具调用）+ MCP + Graph 工作流的组合架构：

对“需要理解和推荐”的问题使用 RAG 提升回答相关性与解释性；
对“需要真实数据与业务动作”的问题走工具调用与后端服务，确保结果可落地、可回写。
在对话入口引入 embedding 轻量语义路由（双层路由）：先粗分为「流程类/工具类/推荐类/闲聊类」，再在流程类中判定具体流程类型并进入 Graph 节点推进，使流程更可控、更抗自然表达。同时，项目支持通过 Feign + 网关无缝接入现有商品/购物车/订单服务，并提供会话历史与关键 UI 快照能力（订单卡片、购物车卡片、确认单卡片等），适配真实生产场景中的复杂交互与服务波动。

核心功能

智能推荐（RAG）：结合向量检索补全上下文，输出可解释的推荐理由、对比建议与场景化方案。
embedding 轻量语义路由（双层路由）：对话入口低成本分流（流程/工具/推荐/闲聊），流程类进一步细分流程类型并进入 Graph 工作流，歧义/低置信度自动回退闲聊兜底。
对话式购物车操作（Function Calling）：支持加购、改数量、删商品、查购物车，兼容“第几个/商品ID/条目ID”等输入方式。
对话式下单闭环：支持从“购物车已选商品”发起订单确认与下单，并在对话中回显结果。
对话式订单查询（多关键字）：支持按订单号/商品名/状态等组合筛选，适配真实用户自然表达。
订单全链路操作：支持取消订单、确认收货、提交评价、查看评价（含聊天入口与详情页入口双通道）。
订单列表与详情页：可视化展示状态、金额、时间、商品明细，支持一键操作与状态联动刷新。
支付能力接入：支持订单详情/聊天入口发起支付，提供支付页跳转与支付结果回写（已支付状态更新）
会话历史与快照恢复：保存聊天记录及关键卡片快照，刷新或服务波动后仍能恢复主要上下文与展示内容。
稳定性与降级：对外部 AI/检索链路提供失败兜底策略（如 embedding 调用异常、RAG 检索失败降级），保证主链路可用。

技术栈

语言与框架：Java 21、Spring Boot 3.x、Spring Web、Thymeleaf
AI 能力：Spring AI（Chat + Tools/Function Calling）、Embedding、Graph、MCP
检索与向量库：PostgreSQL + pgvector
服务集成：Spring Cloud OpenFeign、网关透传
数据与存储：PostgreSQL、Redis、MongoDB（聊天历史与快照）
构建测试：Maven、JUnit 5
日志观测：SLF4J + Logback（可扩展链路追踪与指标）

技术亮点

RAG + 工具调用双通道架构：将“智能回答”与“业务执行”解耦，显著降低幻觉并提升结果可信度。
双层路由提升可控性：embedding 粗分流 + 流程内 Graph 推进，既抗自然表达又能保证关键动作走确定性链路。
对话即工作流：将购物车、确认单、订单详情等中间态卡片化嵌入对话，减少页面跳转和流程中断。
多关键字稳健查询：兼容空格/逗号等分隔输入，贴合真实用户习惯。
外部接口兼容策略：对订单相关接口提供多参数形态与请求方式兼容（路径/query/body），提升对接成功率。
快照与降级兜底机制：服务抖动时尽量保证“用户已看到的数据不丢失”，提升体验稳定性。
状态一致性治理：通过状态映射与前后端联动修正，避免订单状态误判（如“待评价/已评价”混淆）。

系统架构图：

部分功能截图：

技术	版本	在项目里的实际用途
Java	21 LTS	虚拟线程、Record类、模式匹配
Spring Boot	3.2.0	所有微服务的基础框架
Spring Cloud	2023.0.0	微服务治理、服务间调用
Spring Cloud Alibaba	2023.0.1.0	Nacos 注册中心 & 配置中心集成
Spring Cloud Gateway	-	统一 API 网关、路由转发、CORS
MyBatis Plus	3.5.8	所有数据库的 ORM 操作
Druid	1.2.20	数据库连接池 + SQL 监控
MySQL	8.0	9 个业务数据库，22+ 张表
Redis	7.x	缓存、Session、实时排行榜
Elasticsearch	7.x	全文检索 + 向量存储
MongoDB	6.x	文档正文内容存储
Neo4j	5.x	知识图谱节点和关系存储
RabbitMQ	3.x	异步消息（转码、索引同步、通知）
LangChain4j	0.29.1	LLM 集成框架，统一模型调用
Knife4j	4.3.0	自动生成 Swagger API 文档
JWT (JJWT)	0.12.3	无状态身份认证
Hutool	5.8.24	通用工具库

前端技术栈

技术	版本	在项目里的实际用途
React	18.3.1	核心 UI 框架
TypeScript	5.3.3	严格模式，零类型错误
Vite	5.1.0	构建工具，SWC 编译，秒级热更新
Ant Design	5.14.0	企业级 UI 组件库，中文 locale
React Router	6.22.0	客户端路由 + 懒加载 + 权限守卫
Zustand	4.5.0	轻量级状态管理 + persist 持久化
Axios	1.6.7	HTTP 请求 + token 自动刷新 + 重试队列
ECharts	5.6.0	数据可视化图表
react-markdown	9.0.1	Markdown 渲染 + GFM 支持
react-syntax-highlighter	16.1.1	代码块语法高亮
react-pdf	10.4.1	PDF 在线预览
mammoth	1.8.0	DOCX 转 HTML 预览
xlsx	0.18.5	Excel 表格解析和预览