Java教练培训排课系统源码设计探秘
一、系统架构设计
- 分层架构
采用经典的MVC模式，结合Spring Boot框架，将系统划分为四层：- 视图层（View）：前端使用Vue.js + Element UI实现响应式界面，支持教练、学员、管理员多角色权限管理。
- 控制器层（Controller）：Spring Boot的
@RestController处理HTTP请求，如排课查询、冲突检测等接口。 - 服务层（Service）：核心业务逻辑，包括排课算法、冲突解决策略、资源分配等。
- 数据访问层（DAO）：MyBatis框架操作MySQL数据库，实现课程、教练、教室等实体的CRUD操作。
- 微服务扩展
对于大型培训机构，可拆分为用户服务、资源服务、排课引擎、通知服务等独立微服务，通过Spring Cloud Alibaba实现服务治理。
二、核心功能模块
- 用户管理模块
- 角色划分：管理员（全权限）、教练（查看个人课表、申请调课）、学员（查看个人课程）。
- 权限控制：Spring Security或Shiro实现基于RBAC的动态权限管理。
- 资源管理模块
- 教练信息：存储教练专长、空闲时段（JSON格式）、最大连续授课时长。
- 教室信息：容量、设备配置、可用时间段。
- 课程信息：课程名称、时长、关联教练与学员群体。
- 排课引擎模块
- 算法选择：
- 贪心算法：适用于简单场景，按优先级快速分配资源。
- 遗传算法：复杂场景下优化排课质量，通过选择、交叉、变异操作迭代生成最优解。
- 冲突检测：
- 硬约束：教练/教室时间冲突、学员时间重叠、教室容量超限。
- 软约束：教练连续授课时长、学员偏好时段匹配。
- 动态调度：支持实时调课请求，通过Redis分布式锁防止并发冲突。
- 算法选择：
- 通知与日志模块
- 实时通知：WebSocket推送排课变更信息至教练/学员。
- 冲突日志：MongoDB存储冲突详情（类型、资源ID、时间范围），便于追溯与分析。
三、关键代码实现
排课实体类
java@Data public class Schedule { private Long id; private Long coachId; private Long courseId; private Long roomId; private LocalDateTime startTime; private LocalDateTime endTime; private Boolean conflictFlag; // 是否冲突标记 }冲突检测服务
java@Service public class ConflictDetector { @Autowired private RedisTemplate<String, Boolean> redisTemplate; public boolean checkCoachConflict(Long coachId, LocalDateTime start, LocalDateTime end) { String lockKey = "coach_lock:" + coachId; try (RedissonLock lock = redissonClient.getLock(lockKey)) { lock.lock(5, TimeUnit.SECONDS); // 查询Redis中教练当前时段占用状态 Boolean isOccupied = redisTemplate.opsForValue().get("coach_time:" + coachId + ":" + start); return Boolean.TRUE.equals(isOccupied); } } }遗传算法排课引擎
java@Service public class GeneticScheduler { public Schedule optimize(List<CourseRequest> requests) { // 初始化种群（随机生成100个排课方案） List<Schedule> population = IntStream.range(0, 100) .mapToObj(i -> generateRandomSchedule(requests)) .collect(Collectors.toList()); // 迭代优化（20代进化） for (int gen = 0; gen < 20; gen++) { // 计算适应度（冲突惩罚+空闲惩罚+连续性奖励） List<Double> fitness = population.stream() .map(this::calculateFitness) .collect(Collectors.toList()); // 轮盘赌选择 + 单点交叉 + 高斯变异 population = evolve(population, fitness); } return population.stream() .max(Comparator.comparingDouble(this::calculateFitness)) .orElseThrow(); } private double calculateFitness(Schedule schedule) { double conflictPenalty = schedule.getConflictFlag() ? 10 : 0; double idlePenalty = schedule.getRoomIdleHours() * 0.5; double continuityBonus = schedule.getConsecutiveCourses() * 2; return 100 / (1 + conflictPenalty + idlePenalty - continuityBonus); } }
四、数据库设计
教练表（
coach）sqlCREATE TABLE `coach` ( `id` BIGINT PRIMARY KEY AUTO_INCREMENT, `name` VARCHAR(50) NOT NULL, `specialty` VARCHAR(100), `available_time` JSON NOT NULL COMMENT '格式: [{"dayOfWeek":1,"startPeriod":9,"endPeriod":18}]', `max_continuous_hours` INT DEFAULT 4 );排课结果表（
schedule）sqlCREATE TABLE `schedule` ( `id` BIGINT PRIMARY KEY AUTO_INCREMENT, `coach_id` BIGINT NOT NULL, `course_id` BIGINT NOT NULL, `room_id` BIGINT NOT NULL, `start_time` DATETIME NOT NULL, `end_time` DATETIME NOT NULL, `conflict_flag` BOOLEAN DEFAULT 0, FOREIGN KEY (`coach_id`) REFERENCES `coach`(`id`) );冲突日志表（
conflict_log，MongoDB）json{ "_id": ObjectId("..."), "schedule_id": 123, "conflict_type": "ROOM", "conflict_detail": { "room_id": 456, "time_range": ["2026-02-06T09:00:00", "2026-02-06T10:30:00"] } }
五、性能优化与部署
- 缓存策略
- Redis缓存教练空闲时段与教室占用状态，TTL设置为10分钟。
- 热点数据命中率>95%，QPS提升5倍。
- 异步处理
- Kafka消费者组处理高并发排课请求，吞吐量达5000+/秒。
- 批量导入学员数据使用Apache POI解析Excel。
- 部署方案
- 开发环境：IDEA + MySQL 8.0 + Redis 7.0。
- 生产环境：Kubernetes集群动态扩容，CPU利用率>70%时自动增加Pod实例。
