疫情防控社区门禁系统

疫情防控社区门禁系统

疫情防控社区门禁系统后台接口的实现，可以实现人脸识别及后台管理系统。主要通过微信小程序实现用户信息登记，分为常驻登记（身份证号、手机号、用户照片、姓名、住房类型、住户等个人信息的登记）和访客登记（被访人关系、身份证号、手机号、来自于、体温、事由等访客信息的登记），更方便管理，后续的进出口就不需要进行扫码，通过人脸识别可以自动识别人员信息，不同小区有不同的二维码，可以实现不同小区的登陆。不同小区的管理人员仅可查看本小区的数据，后台管理系统由管理员对成员进行信息的审核（通过、退回、隔离、辅助记录登记信息），出入记录的查看。

项目环境：SpringBoot、SpringCloud、Spring Cloud Alibaba、Redis、MyBatisPlus、Nginx、Vue、RabbitMQ、minion、echarts等

项目流程图：

微服务架构图：
Geteway：网关，前端数据提交请求过来，通过不同的路径内容再调用不同的微服务处理业务，前端不需要关注微服务只需要关注接口。可以做统一的安全校验、权限认证等。
Service registry：服务注册，微服务的互相调用
Config server：配置中心，统一管理服务的配置
Distributed tracing：服务状态的监控和追踪

数据库表：

epass_place：地点的管理
epass_cards：通信证，每个用户在每一个地方都会有对应的一条记录，个人信息以及通行卡状态等
epass_sign：通行的记录，当时体温、访问状态、出入时间、地址等
epass_banner：界面轮播图的管理
epass_check：信息的审核，审核人员，被审核人员、审核状态等
epass_guest：访客信息，访客姓名、手机号、通行卡状态等
epass_open_user：微信关联用户
user_info：用户信息

后台管理界面：

前端界面（微信小程序）：

项目中用到的开源框架：pig4cloud
https://pig4cloud.com/

系统说明
基于 Spring Cloud Hoxton 、Spring Boot 2.4、 OAuth2 的 RBAC 权限管理系统
基于数据驱动视图的理念封装 element-ui，即使没有 vue 的使用经验也能快速上手
提供对常见容器化支持 Docker、Kubernetes、Rancher2 支持
提供 lambda 、stream api 、webflux 的生产实践
核心依赖
依赖 版本
Spring Boot 2.4.3
Spring Cloud 2020
Spring Cloud Alibaba 2.2.5.RELEASE
Spring Security OAuth2 2.3.6
Mybatis Plus 3.4.2
hutool 5.5.8
Avue 2.6.16
模块说明
pig-ui – https://gitee.com/log4j/pig-ui

pig
├── pig-auth – 授权服务提供[3000]
└── pig-common – 系统公共模块
├── pig-common-core – 公共工具类核心包
├── pig-common-datasource – 动态数据源包
├── pig-common-job – xxl-job 封装
├── pig-common-log – 日志服务
├── pig-common-mybatis – mybatis 扩展封装
├── pig-common-security – 安全工具类
├── pig-common-swagger – 接口文档
├── pig-common-feign – feign 扩展封装
└── pig-common-test – oauth2.0 单元测试扩展封装
├── pig-register – Nacos Server[8848]
├── pig-gateway – Spring Cloud Gateway网关[9999]
└── pig-upms – 通用用户权限管理模块
└── pig-upms-api – 通用用户权限管理系统公共api模块
└── pig-upms-biz – 通用用户权限管理系统业务处理模块[4000]
└── pig-visual
└── pig-monitor – 服务监控 [5001]
├── pig-codegen – 图形化代码生成 [5002]
├── pig-sentinel-dashboard – 流量高可用 [5003]
└── pig-xxl-job-admin – 分布式定时任务管理台 [5004]
SQL优化：
1、优化sql语句
2、字段数据类型的正确适用
3、索引（加正确的索引）
4、引擎（特点：MyISAM适合SELECT密集型的表，而InnoDB适合INSERT和UPDATE密集型的表）
5、提升硬件
6、读写分离
7、缓存
8、表分区
9、拆表

sql优化
1.对查询进行优化，应尽量避免全表扫描，首先应考虑在 where 及 order by 涉及的列上建立索引。
2.应尽量避免在 where 子句中对字段进行 null 值判断，否则将导致引擎放弃使用索引而进行全表扫描，如：select id from t where num is null可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：select id from t where num=0
3.应尽量避免在 where 子句中使用!=或<>操作符，否则引擎将放弃使用索引而进行全表扫描。
4.应尽量避免在 where 子句中使用or 来连接条件，否则将导致引擎放弃使用索引而进行全表扫描，如：select id from t where num=10 or num=20可以这样查询：select id from t where num=10 union all select id from t where num=20
5.in 和 not in 也要慎用，否则会导致全表扫描，如：select id from t where num in(1,2,3) 对于连续的数值，能用 between 就不要用 in 了：select id from t where num between 1 and 3
6.下面的查询也将导致全表扫描：select id from t where name like ‘%李%’若要提高效率，可以考虑全文检索。
7.如果在 where 子句中使用参数，也会导致全表扫描。因为SQL只有在运行时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运行时；它必须在编译时进行选择。然 而，如果在编译时建立访问计划，变量的值还是未知的，因而无法作为索引选择的输入项。如下面语句将进行全表扫描：select id from t where num=@num可以改为强制查询使用索引：select id from t with(index(索引名)) where num=@num
8.应尽量避免在 where 子句中对字段进行表达式操作，这将导致引擎放弃使用索引而进行全表扫描。如：select id from t where num/2=100应改为:select id from t where num=1002
9.应尽量避免在where子句中对字段进行函数操作，这将导致引擎放弃使用索引而进行全表扫描。如：select id from t where substring(name,1,3)=’abc’ ，name以abc开头的id应改为:
select id from t where name like ‘abc%’
10.不要在 where 子句中的“=”左边进行函数、算术运算或其他表达式运算，否则系统将可能无法正确使用索引。
11.在使用索引字段作为条件时，如果该索引是复合索引，那么必须使用到该索引中的第一个字段作为条件时才能保证系统使用该索引，否则该索引将不会被使用，并且应尽可能的让字段顺序与索引顺序相一致。
12.不要写一些没有意义的查询，如需要生成一个空表结构：select col1,col2 into #t from t where 1=0
这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：
create table #t(…)
13.很多时候用 exists 代替 in 是一个好的选择：select num from a where num in(select num from b)
用下面的语句替换：
select num from a where exists(select 1 from b where num=a.num)
14.并不是所有索引对查询都有效，SQL是根据表中数据来进行查询优化的，当索引列有大量数据重复时，SQL查询可能不会去利用索引，如一表中有字段sex，male、female几乎各一半，那么即使在sex上建了索引也对查询效率起不了作用。
15.索引并不是越多越好，索引固然可 以提高相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况而定。一个表的索引数最好不要超过6个，若太多则应考虑一些不常使用到的列上建的索引是否有 必要。
16.应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，一旦该列值改变将导致整个表记录的顺序的调整，会耗费相当大的资源。若应用系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为 clustered 索引。
17.尽量使用数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会逐个比较字符串中每一个字符，而对于数字型而言只需要比较一次就够了。
18.尽可能的使用 varchar/nvarchar 代替 char/nchar ，因为首先变长字段存储空间小，可以节省存储空间，其次对于查询来说，在一个相对较小的字段内搜索效率显然要高些。
19.任何地方都不要使用 select * from t ，用具体的字段列表代替“”，不要返回用不到的任何字段。
20.尽量使用表变量来代替临时表。如果表变量包含大量数据，请注意索引非常有限（只有主键索引）。
21.避免频繁创建和删除临时表，以减少系统表资源的消耗。
22.临时表并不是不可使用，适当地使用它们可以使某些例程更有效，例如，当需要重复引用大型表或常用表中的某个数据集时。但是，对于一次性事件，最好使用导出表。
23.在新建临时表时，如果一次性插入数据量很大，那么可以使用 select into 代替 create table，避免造成大量 log ，以提高速度；如果数据量不大，为了缓和系统表的资源，应先create table，然后insert。
24.如果使用到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。
25.尽量避免使用游标，因为游标的效率较差，如果游标操作的数据超过1万行，那么就应该考虑改写。
26.使用基于游标的方法或临时表方法之前，应先寻找基于集的解决方案来解决问题，基于集的方法通常更有效。
27.与临时表一样，游标并不是不可使 用。对小型数据集使用 FAST_FORWARD 游标通常要优于其他逐行处理方法，尤其是在必须引用几个表才能获得所需的数据时。在结果集中包括“合计”的例程通常要比使用游标执行的速度快。如果开发时 间允许，基于游标的方法和基于集的方法都可以尝试一下，看哪一种方法的效果更好。
28.在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。无需在执行存储过程和触发器的每个语句后向客户端发送DONE_IN_PROC 消息。
29.尽量避免大事务操作，提高系统并发能力。
30.尽量避免向客户端返回大数据量，若数据量过大，应该考虑相应需求是否合理。

解决高并发问题：
要解决数据库访问缓慢的问题有几种方法
1 使用缓存
2 使用页面静态化既然不访问数据库逃不过去了，那我们就对数据库进行优化
3 优化数据库（包含的内容非常多，比如参数配置，索引优化，sql优化等等）
4 分离数据库中活跃的数据
5 读写分离
6 批量读取和延迟修改；
7 使用搜索引擎搜索数据库中的数据；
8 使用NoSQL和Hadoop等技术；
9 进行业务的拆分；

高并发的解决方案
1 增加web服务器数量，也就是做集群，做负载均衡。
1.2 cdn
cdn其实是一种特殊的集群页面缓存服务器，他和普通集群的多台页面缓存服务器相比，主要是它存放的位置和分配请求的方式有点特殊。CDN 服务器是分布在全国各地的，当接收到用户请求后会将请求分配到最合适的CDN服务器节点获取数据。
1.3 反向代理
1.4 应用程序和静态资源分离（比如专供下载的资源单独放在一起，给这 台服务器提供很高的带宽资源）
2 增加数据库服务器数量，同样做集群，做负载均衡。

具体的比较有效的方法：

1. 应用和静态资源分离
2. 页面缓存
3. 集群与分布式
4. 反向代理
5. CDN
6. 底层的优化

如何解决高并发问题