旧有的单体架构业务需求吞吐能力低下。业务字段通过json存储，对 业务使用和数据分析等都不够友好。分库分表是按时间维度的，冷热数据明显，经常存在跨库跨表查询，整体性能已接近瓶颈。随着18年瓜子业务的急剧扩张。旧有系统的不足对用户体验影响越来越大。订单中心的优化成了供应链技术团队的重点KPI。 ● 技术调整 1. 高并发、高性能、高可用典型的互联网三高场景一站式解决方案 2. 领域模型的建立与划分 ● 工作内容 1. 基于snowflake的多应用实例全局唯一订单号生成 2. 基于sharding-jdbc的分库分表&扩容规则 3. 基于apollo的配置中心 4. 基于Spring-statemachine的fsm 5. 基于elastic-search的订单搜索能力 6. 基于redis的订单缓存能力 7. 基于dubbo-sentinel的订单熔断&降级能力

内容：履约监控是平台交付质量的保障，履约监控能力直接体现于平台能否事前干预异常发生、事中及时发现并处理异常， 降低异常发生率，而这些都强依赖于行为数据的采集质量及采集完整性。履约监控的整体目标是为了降低监控成本， 提升异常处理效率。目前履约监控主要提供以下能力: 1. 全面的配送单在途跟踪能力 2. 事前预警:通过行为表现提前预测异常，通过干预避免异常发生 3. 事中报警:异常发生后，及时响应，降低异常带来的负面影响 4. 异常发生的处理工具:将异常处理线上化，提高效率的同时，保持异常处理机制可持续的运转 5. 履约情况可视化看板:站在管理和执行角度对履约情况进行直观的体现。

在快驴业务精细化发展中，智能排线、时效监控、路径规划相关智能工具已在各个仓库全面推广，这些智能化工具对LBS路网数据都有着较强的依赖。2020年配送团队逐步开展LBS路网体系的相关建设，经过近一年的数据积累，目前快驴积累的LBS总数据量接近60亿，随着快驴平台化的演进，相关数据量会越来越大。而与此同时，各个业务场景对LBS数据的查询要求也逐步提升。 ● 技术挑战 1、路网数据查询QPS较高：以智能排线为例，老城排线时间基本集中在23:00-00:00点，在一个小时的时间内要完成排线操作，排线过程中会高频次请求相关数据。 2、单次查询数据量大：单日单仓下单商家数量一般都在几千个以上，考虑到排线整体耗时，排线所需路网数据需要批量查询，单次请求数据量一般在1万以上。 ● 工作内容 1、系统日常技术迭代方案跟核心技术指标跟进。 2、解决一致性hash算法,系统可靠性跟扩展性等核心技术难点 3、JVM调优 4、核心接口性能持续优化保证单次获取距离对数据超过1W且单机qps超过1000的时候接口耗时控制在90ms以内