一、前言
在保姆、月嫂等上门家政服务场景中,档期管理是系统设计的核心难点之一。与电商库存不同,服务人员的"库存"本质上是时间资源——每位服务人员每天可服务的时间有限,且不同订单的服务时长、服务类型各不相同。如何高效地进行档期冲突检测、自动匹配空闲时段、智能排单调度,直接决定了平台的运营效率和客户满意度。
本文围绕家政上门预约系统的档期管理模块,讲解数据模型设计、冲突检测机制以及自动排单算法的实现思路。
二、档期管理的业务特点
2.1 家政服务档期的特殊性
家政服务的档期管理与普通预约系统存在显著差异:
- 服务时长差异大:钟点保洁可能只需2-3小时,月嫂服务则按26天或42天为一个周期,住家保姆甚至按月续约。不同服务类型的档期粒度完全不同。
- 连续性约束:月嫂、住家保姆等长期服务一旦排定,整个服务周期内该服务人员不可再接其他订单。
- 缓冲时间:服务人员从上一个订单结束到下一个订单开始之间,可能需要预留通勤或休息时间。
- 多区域服务:部分服务人员可在多个区域接单,档期需与区域调度联动。
2.2 档期的三种状态
服务人员的每一段时间可以处于以下三种状态之一:
- 空闲(Available):未被任何订单占用,可接受新预约
- 已锁定(Locked):已被订单占用,不可再预约
- 不可用(Unavailable):服务人员主动设置的休息时间(如请假、培训等)
三、数据模型设计
3.1 服务人员档期表(staff_availability)
用于记录服务人员的基础可工作时间段。核心字段包括:记录ID、服务人员ID、日期、可服务开始时间、可服务结束时间、状态(空闲/不可用)、备注。
这张表相当于服务人员的"日历模板",定义了每天的工作时间窗口。例如某月嫂设置每天 08:00-20:00 为可服务时间,周末休息。
3.2 订单排期表(order_schedule)
用于记录已确认订单对服务人员时间的占用。核心字段包括:排期ID、订单ID、服务人员ID、服务开始时间、服务结束时间、排期类型(预约锁定/实际服务中)、状态。
3.3 排期冲突检测的核心逻辑
判断两个时间段是否冲突的经典条件为:新订单开始时间 < 已有排期结束时间 且 新订单结束时间 > 已有排期开始时间。在此基础上,还需加入缓冲时间的考量。
四、自动排单的业务流程
4.1 客户指定服务人员模式
客户在下单时直接选择某位服务人员,系统需要完成以下步骤:
- 查询该服务人员在客户期望时间段内是否存在排期冲突
- 若存在冲突,返回冲突提示及该服务人员最近的可用时间段建议
- 若无冲突,锁定档期并创建订单
4.2 平台自动派单模式
客户仅选择服务类型和期望时间,由系统自动匹配最合适的服务人员。派单算法需要考虑以下维度:
- 档期匹配:服务人员在该时间段是否空闲
- 区域匹配:服务人员的服务区域是否覆盖客户地址
- 技能匹配:服务人员的技能标签是否满足客户需求
- 评分优先:在满足以上条件的人员中,优先推荐评分更高的
- 负载均衡:避免部分服务人员订单过于集中,其他人员长期空闲
4.3 排单冲突的兜底策略
当客户期望时间段所有匹配的服务人员都已被占用时,系统应提供以下兜底方案:
- 推荐相邻时间段(前后浮动1-2小时)的可用服务人员
- 推荐同区域其他服务人员的空闲档期
- 支持客户提交"候补预约",当有订单取消时自动通知候补客户
五、核心代码实现
档期冲突检测与可用时段查询
以下代码实现了服务人员档期的冲突检测,以及在冲突时自动查找最近可用时段的功能:
public class ScheduleServiceImpl implements ScheduleService { private OrderScheduleMapper scheduleMapper; private StaffAvailabilityMapper availabilityMapper; // 缓冲时间(分钟),服务人员两次订单之间最少间隔 private static final int BUFFER_MINUTES = 30; /** * 检测指定服务人员在给定时间段是否存在排期冲突 */ public Result<ScheduleCheckVO> checkConflict(Long staffId, LocalDateTime startTime, LocalDateTime endTime) { if (staffId == null || startTime == null || endTime == null) { return Result.fail("参数不能为空"); } if (!endTime.isAfter(startTime)) { return Result.fail("结束时间必须晚于开始时间"); } // 1. 查询该服务人员在此时间段内是否有已锁定的排期 LambdaQueryWrapper<OrderSchedule> wrapper = new LambdaQueryWrapper<>(); wrapper.eq(OrderSchedule::getStaffId, staffId) .eq(OrderSchedule::getStatus, 1) .lt(OrderSchedule::getStartTime, endTime.plusMinutes(BUFFER_MINUTES)) .gt(OrderSchedule::getEndTime, startTime.minusMinutes(BUFFER_MINUTES)); List<OrderSchedule> conflicts = scheduleMapper.selectList(wrapper); ScheduleCheckVO vo = new ScheduleCheckVO(); vo.setStaffId(staffId); vo.setRequestedStart(startTime); vo.setRequestedEnd(endTime); if (!conflicts.isEmpty()) { vo.setHasConflict(true); vo.setConflictDetails(conflicts.stream().map(c -> { ScheduleCheckVO.ConflictItem item = new ScheduleCheckVO.ConflictItem(); item.setOrderId(c.getOrderId()); item.setStartTime(c.getStartTime()); item.setEndTime(c.getEndTime()); return item; }).collect(Collectors.toList())); // 2. 冲突时,查找最近的可用时段 List<TimeSlotVO> availableSlots = findNearestAvailableSlots(staffId, startTime, endTime, 3); vo.setSuggestedSlots(availableSlots); } else { vo.setHasConflict(false); } return Result.success(vo); } /** * 查找指定服务人员最近的N个可用时间段 */ public List<TimeSlotVO> findNearestAvailableSlots(Long staffId, LocalDateTime desiredStart, LocalDateTime desiredEnd, int limit) { // 查询服务人员的基础可工作时间 LambdaQueryWrapper<StaffAvailability> availWrapper = new LambdaQueryWrapper<>(); availWrapper.eq(StaffAvailability::getStaffId, staffId) .eq(StaffAvailability::getStatus, 1) .ge(StaffAvailability::getDate, desiredStart.toLocalDate()) .le(StaffAvailability::getDate, desiredStart.toLocalDate().plusDays(7)); List<StaffAvailability> availabilities = availabilityMapper.selectList(availWrapper); // 查询已占用的时间段 LambdaQueryWrapper<OrderSchedule> occupiedWrapper = new LambdaQueryWrapper<>(); occupiedWrapper.eq(OrderSchedule::getStaffId, staffId) .eq(OrderSchedule::getStatus, 1) .ge(OrderSchedule::getStartTime, desiredStart.toLocalDate().atStartOfDay()) .le(OrderSchedule::getEndTime, desiredStart.toLocalDate().plusDays(7).atTime(23, 59, 59)); List<OrderSchedule> occupiedSlots = scheduleMapper.selectList(occupiedWrapper); long requiredDuration = java.time.Duration.between(desiredStart, desiredEnd).toMinutes(); List<TimeSlotVO> availableSlots = new ArrayList<>(); for (StaffAvailability avail : availabilities) { LocalDateTime dayStart = avail.getDate().atTime(avail.getAvailableStart()); LocalDateTime dayEnd = avail.getDate().atTime(avail.getAvailableEnd()); // 找出当天已占用时间段之间的空闲间隙 List<LocalDateTime[]> gaps = findGaps(dayStart, dayEnd, occupiedSlots, requiredDuration); for (LocalDateTime[] gap : gaps) { TimeSlotVO slot = new TimeSlotVO(); slot.setStartTime(gap[0]); slot.setEndTime(gap[1]); availableSlots.add(slot); } } // 按与期望开始时间的距离排序,取最近的N个 availableSlots.sort(Comparator.comparingLong(slot -> Math.abs(java.time.Duration.between(desiredStart, slot.getStartTime()).toMinutes()))); return availableSlots.stream().limit(limit).collect(Collectors.toList()); } private List<LocalDateTime[]> findGaps(LocalDateTime dayStart, LocalDateTime dayEnd, List<OrderSchedule> occupied, long requiredDuration) { List<LocalDateTime[]> gaps = new ArrayList<>(); List<OrderSchedule> dayOccupied = occupied.stream() .filter(o -> o.getStartTime().isBefore(dayEnd) && o.getEndTime().isAfter(dayStart)) .sorted(Comparator.comparing(OrderSchedule::getStartTime)) .collect(Collectors.toList()); LocalDateTime cursor = dayStart; for (OrderSchedule occ : dayOccupied) { LocalDateTime gapEnd = occ.getStartTime().minusMinutes(BUFFER_MINUTES); if (java.time.Duration.between(cursor, gapEnd).toMinutes() >= requiredDuration) { gaps.add(new LocalDateTime[]{cursor, gapEnd}); } cursor = occ.getEndTime().plusMinutes(BUFFER_MINUTES); } if (java.time.Duration.between(cursor, dayEnd).toMinutes() >= requiredDuration) { gaps.add(new LocalDateTime[]{cursor, dayEnd}); } return gaps; } }
自动派单匹配算法
以下代码实现了平台自动派单的核心逻辑,综合考虑档期空闲、区域覆盖、评分和负载均衡四个维度进行加权打分排序:
public class AutoDispatchServiceImpl implements AutoDispatchService { private StaffMapper staffMapper; private ScheduleService scheduleService; private StaffScheduleMapper scheduleMapper; // 各维度权重配置 private static final double WEIGHT_SCHEDULE = 0.4; private static final double WEIGHT_AREA = 0.25; private static final double WEIGHT_RATING = 0.25; private static final double WEIGHT_LOAD = 0.1; public Result<DispatchResultVO> autoDispatch(DispatchRequestDTO dto) { // 1. 查询所有状态正常的服务人员 LambdaQueryWrapper<Staff> wrapper = new LambdaQueryWrapper<>(); wrapper.eq(Staff::getStatus, 1) .eq(dto.getServiceType() != null, Staff::getServiceType, dto.getServiceType()); List<Staff> allStaff = staffMapper.selectList(wrapper); if (allStaff.isEmpty()) { return Result.fail("暂无可用的服务人员"); } // 2. 过滤:档期空闲的服务人员 List<Staff> availableStaff = allStaff.stream() .filter(staff -> { Result<ScheduleCheckVO> checkResult = scheduleService.checkConflict( staff.getId(), dto.getStartTime(), dto.getEndTime()); return checkResult.isSuccess() && !checkResult.getData().getHasConflict(); }) .collect(Collectors.toList()); if (availableStaff.isEmpty()) { return Result.fail("所选时间段暂无空闲服务人员,请尝试调整时间"); } // 3. 多维度打分排序 List<StaffScoreVO> scoredStaff = availableStaff.stream().map(staff -> { StaffScoreVO scoreVO = new StaffScoreVO(); scoreVO.setStaffId(staff.getId()); scoreVO.setStaffName(staff.getName()); // 档期维度:空闲即满分 double scheduleScore = 100; // 区域维度:精确匹配区域得满分,相邻区域得60分 double areaScore = (staff.getServiceAreas() != null && staff.getServiceAreas().contains(dto.getDistrictCode())) ? 100 : 60; // 评分维度:直接取服务人员评分(0-100) double ratingScore = staff.getRating() != null ? staff.getRating().doubleValue() : 50; // 负载均衡维度:近期订单越少得分越高 double loadScore = calculateLoadScore(staff.getId()); double totalScore = scheduleScore * WEIGHT_SCHEDULE + areaScore * WEIGHT_AREA + ratingScore * WEIGHT_RATING + loadScore * WEIGHT_LOAD; scoreVO.setScheduleScore(scheduleScore); scoreVO.setAreaScore(areaScore); scoreVO.setRatingScore(ratingScore); scoreVO.setLoadScore(loadScore); scoreVO.setTotalScore(totalScore); return scoreVO; }).sorted(Comparator.comparingDouble(StaffScoreVO::getTotalScore).reversed()) .collect(Collectors.toList()); // 4. 返回推荐结果(取前5名) DispatchResultVO result = new DispatchResultVO(); result.setCandidates(scoredStaff.stream().limit(5).collect(Collectors.toList())); result.setBestMatch(scoredStaff.get(0)); return Result.success(result); } private double calculateLoadScore(Long staffId) { // 查询近7天的订单数量 LambdaQueryWrapper<OrderSchedule> wrapper = new LambdaQueryWrapper<>(); wrapper.eq(OrderSchedule::getStaffId, staffId) .eq(OrderSchedule::getStatus, 1) .ge(OrderSchedule::getStartTime, LocalDateTime.now().minusDays(7)) .le(OrderSchedule::getStartTime, LocalDateTime.now()); Long recentOrders = scheduleMapper.selectCount(wrapper); // 订单越少得分越高,假设7天内5单为满负荷 double maxLoad = 5.0; double score = Math.max(0, (maxLoad - recentOrders) / maxLoad * 100); return score; } }
六、设计要点与优化建议
并发安全:当多个客户同时预约同一服务人员的同一时间段时,需要在数据库层面通过唯一索引或乐观锁防止重复锁定。建议在排期表上对 (staff_id, start_time, end_time) 建立唯一索引作为最终兜底。
缓冲时间配置化:不同服务类型的缓冲时间可能不同。例如月嫂连续服务之间可能需要1-2天的交接期,而钟点保洁只需30分钟通勤缓冲。建议将缓冲时间作为服务类型的配置项,而非硬编码常量。
档期预锁定机制:客户提交预约后、支付完成前,建议先对档期进行"预锁定"(设置较短的过期时间,如15分钟)。支付成功后转为正式锁定,超时未支付则自动释放。这样可以避免客户在支付过程中档期被他人抢走。
排单算法的可扩展性:自动派单的打分权重建议做成可配置项,运营人员可以根据实际业务情况调整各维度的权重比例,而无需修改代码。
七、总结
家政上门预约系统的档期管理,核心在于时间段的冲突检测和智能排单匹配。冲突检测需要精确处理时间区间的重叠判断,并考虑缓冲时间的约束;自动排单则需要综合档期、区域、评分、负载均衡等多维度进行加权决策。在实际项目中,还需要结合并发控制、预锁定机制、超时释放等手段保证系统的可靠性和数据一致性。