云端素材库平台

本项目是一个全面的云端素材库平台，旨在实现高效的图片管理、用户协作和高级图像处理。它为个人和团队提供了一套强大的功能，用于存储、组织和交互其视觉资产。该平台以性能和可扩展性为重点进行构建。

功能特性

用户模块

• 用户登录
• 用户注册
• 用户注销
• 用户权限控制 (基于 Sa-Token)
• 用户管理

图片模块

• 图片上传与创建
• 图片管理
• 图片信息编辑
• 图片查看与搜索
• 图片详情
• 图片下载

用户传图模块

• 用户上传与创建图片
• 图片审核
• 图片导入功能
• URL 导入
• 批量抓取图片

图片优化

• 性能优化!
• 图片查询优化 (使用 Redis 和 Caffeine 实现多级缓存，并采用延迟双删策略保证数据一致性)
• 图片上传优化 (压缩)
• 图片加载优化 (缩略图)
• AI 图像处理异步化：使用 Kafka 作为消息队列，处理 AI 图像扩展（如扩图）等耗时任务：
  • 任务状态轮询：Kafka 消费者异步轮询 AI 任务处理状态。
  • 失败重试：内置指数退避策略进行任务重试。
  • 具体流程（以扩图为例）：
    1. 用户发起扩图请求后，后端调用阿里云 AI 接口创建扩图任务。
    2. 将任务信息保存到数据库，并发送消息到 Kafka 队列。
    3. Kafka 消费者定期检查任务状态，直到任务完成或失败。
    4. 前端可以随时查询任务状态，如果任务已完成，直接返回结果。

空间模块

• 空间管理
• 用户开通私有空间
• 私有空间权限控制
• 空间级别与存储限额控制
• 消息队列: RabbitMQ, Apache Kafka (用于 AI 图像处理任务的异步化、状态轮询和重试)
• 认证与授权: Sa-Token
• API 文档: Knife4j

图片功能扩展

• 高级图片搜索
  • 基本属性搜索
  • 以图搜图
  • 颜色搜索
• 图片分享
• 图片批量编辑
• 图片点赞与计数 (Redis 缓存 + RabbitMQ 异步处理 + 定时任务对账保证最终一致性)

图片编辑能力

• 基础图片编辑
• AI 图片编辑 (集成阿里云 AI 等服务)

团队共享空间

• 创建团队共享空间
• 成员邀请和空间成员管理
• 空间权限控制 (使用 Sa-Token)
• 空间数据管理 (使用 ShardingSphere 进行分库分表)

图片协同编辑

• 协同编辑方案 (使用 WebSocket)
• 实时协同编辑实战

技术栈

• 后端: Java, Spring Boot 2.7.6
• 数据库: MySQL, MyBatis-Plus
• 缓存: Redis, Caffeine (多级缓存)
• 消息队列: RabbitMQ (用于处理点赞等业务的异步消息及数据对账、确保最终一致性), Apache Kafka (用于 AI 图像处理任务的异步化、状态轮询和重试)
• 认证与授权: Sa-Token
• API 文档: Knife4j
• 对象存储: 腾讯云 COS (可配置)
• AI 服务: 阿里云 AI (可配置用于 AI 图片编辑)
• 数据分片: Apache ShardingSphere
• 实时通信: WebSocket
• 并发处理: LMAX Disruptor (高性能队列)
• 工具库: Hutool, Lombok
• 构建工具: Maven

快速开始

环境要求

• Java 17
• Maven
• MySQL
• Redis
• RabbitMQ
• Kafka

安装步骤

1. 克隆仓库:

   git clone <your-repository-url>
   cd image-host-backend

2. 配置 application.yaml:
   • 更新数据库连接信息 (spring.datasource)。
   • 如果 Redis, RabbitMQ, Kafka 运行在不同的主机/端口或需要认证，请配置其连接详情。
   • 设置腾讯云 COS 配置 (cos.client)。
   • 提供阿里云 AI API 密钥 (aliYunAi.apiKey)。
   • 根据需要调整 ShardingSphere 数据源配置。
3. 构建项目:

   mvn clean package

运行应用

java -jar target/image-host-backend-0.0.1-SNAPSHOT.jar

应用将运行在 http://localhost:8123/api (或 application.yaml 中配置的地址)。

项目结构

image-host-backend/
├── .git/
├── .idea/
├── sql/                            # SQL 脚本 (例如，初始化表结构)
├── src/
│   ├── main/
│   │   ├── java/com/yang/imagehostbackend/
│   │   │   ├── ImageHostBackendApplication.java  # Spring Boot 主应用类
│   │   │   ├── annotation/             # 自定义注解
│   │   │   ├── aop/                    # 面向切面编程组件
│   │   │   ├── api/                    # 外部 API 集成
│   │   │   ├── common/                 # 通用工具类、枚举、常量
│   │   │   ├── config/                 # 应用配置 (Spring, MyBatis 等)
│   │   │   ├── consumer/               # 消息队列消费者 (Kafka, RabbitMQ)
│   │   │   ├── constant/               # 应用常量
│   │   │   ├── controller/             # Spring MVC 控制器 (REST API)
│   │   │   ├── exception/              # 自定义异常处理器
│   │   │   ├── job/                    # 定时任务
│   │   │   ├── manager/                # 业务逻辑管理器 (通常用于编排服务)
│   │   │   ├── mapper/                 # MyBatis Mapper (数据访问对象)
│   │   │   ├── model/                  # 数据模型 (实体, DTO, 枚举, VO)
│   │   │   ├── producer/               # 消息队列生产者
│   │   │   ├── service/                # 服务层 (业务逻辑)
│   │   │   ├── utils/                  # 工具类
│   │   │   └── websocket/              # WebSocket 处理器
│   │   └── resources/
│   │       ├── application.yaml        # 主应用配置文件
│   │       ├── static/                 # 静态资源 (如有，通常用于前端)
│   │       └── templates/              # 服务端模板 (如有)
│   └── test/                           # 单元测试和集成测试
├── target/                           # 编译后的字节码和打包的 JAR 文件
├── .gitignore
├── pom.xml                           # Maven 项目配置文件
└── README.md                         # 本文件

性能优化

本项目高度重视性能。关键的优化点包括：

• 多级缓存: 同时利用本地缓存 (Caffeine) 和分布式缓存 (Redis)，显著加快数据检索速度，特别是针对频繁访问的图片数据和用户会话。
• 高可用点赞系统: 点赞功能采用 Redis 缓存快速响应前端，通过 RabbitMQ 将点赞/取消点赞操作异步化处理并持久化到数据库。结合定时任务对 Redis 与数据库进行数据对账，确保点赞数据的高可用性和最终一致性。
• 图片上传优化: 实现图片压缩技术，在存储前减小文件大小，节省带宽和存储成本，并提高上传/下载速度。
• 图片加载优化: 生成并提供缩略图，以加快图片预览和相册加载速度，减少初始视图传输的数据量。
• 异步处理:
  • 利用消息队列 (RabbitMQ 用于点赞等业务，Kafka 用于 AI 图像处理任务) 和 Spring 的 @Async 注解进行后台任务处理（如图片处理、通知、分析、AI 图像生成等），避免阻塞用户请求。
  • Kafka 被用于 AI 图像扩展（如扩图）任务的异步提交、状态轮询 (polling) 和基于指数退避的自动重试机制。
• 缓存一致性: 采用延迟双删策略来保证数据库与缓存 (Redis, Caffeine) 之间的数据一致性，特别是在图片信息更新或删除时。
• 数据库分片: 针对 picture 表使用 ShardingSphere，根据 spaceId 将数据分布到多个数据库实例/表中。