一、引言
微信小程序凭借"无需下载、即用即走"的特性,已成为家政服务触达用户的首选载体。用户打开小程序,选择服务类型、确认地址和时间,即可完成预约,等待服务人员上门。这条链路看似简单,背后涉及地理位置服务、实时派单、消息通知、订单状态机等多个技术模块的协同。本文从整体架构、关键技术实现两个维度,对家政预约小程序的核心开发流程进行拆解。
二、整体架构设计
2.1 技术选型概览
| 模块 | 技术选型 | 说明 |
| 小程序框架 | 微信原生 / Taro / uni-app | 跨端方案可同步覆盖支付宝小程序 |
| 服务端 | Spring Boot + MyBatis-Plus | 提供 RESTful API |
| 数据库 | MySQL + Redis | 业务数据持久化 + 热点数据缓存 |
| 消息推送 | 微信订阅消息 + 云函数 | 订单状态变更实时通知用户 |
| 地图与定位 | 腾讯地图 SDK | 地址选择、距离计算、师傅轨迹 |
| 即时通讯 | 腾讯云 IM | 用户与师傅的在线沟通 |
| 对象存储 | 阿里云 OSS / 腾讯云 COS | 服务凭证、评价图片等文件存储 |
2.2 核心业务流程
CREATED → DISPATCHED → ACCEPTED → IN_PROGRESS → COMPLETED → REVIEWED ↓ ↓ REASSIGN CANCELLED → REFUNDING → REFUNDED
通过状态机模式管理订单流转,避免非法状态跳转,保证业务一致性。
三、关键设计要点
3.1 智能派单引擎
"一键呼叫"的核心体验在于快速匹配。派单引擎综合考虑以下因素进行师傅筛选与排序:
- 距离权重:基于师傅实时位置与用户地址的直线距离,优先分配就近师傅。
- 技能匹配:根据服务类型过滤具备对应资质的师傅。
- 负载因子:当前已有待服务订单数越少,优先级越高。
- 历史评分:用户评价高的师傅获得加权。
综合得分公式示例:score = w1 × distanceScore + w2 × loadScore + w3 × ratingScore
3.2 微信订阅消息的合规使用
小程序端推送通知依赖微信订阅消息机制,需用户主动授权。开发时需注意:
- 在用户提交订单的交互节点请求订阅授权,而非进入首页时弹出。
- 一次性订阅消息只能推送一次,需在关键状态变更时(接单、开始服务、服务完成)分别触发。
- 服务端需维护每个用户的订阅配额,避免推送失败。
3.3 地理位置的实时同步
师傅端需定时上报位置信息(建议间隔 30 秒),服务端将位置存入 Redis GEO 数据结构,派单时通过 GEOSEARCH 命令实现"查找指定半径内的可用师傅",响应时间可控制在毫秒级。
四、核心代码示例
4.1 小程序端:一键预约下单(JavaScript / 微信原生)
// pages/booking/booking.js const { request } = require('../../utils/request'); const { getNearestAddress } = require('../../utils/location'); Page({ data: { serviceItem: null, selectedTimeSlot: null, userAddress: null, submitting: false, }, onLoad(options) { this.setData({ serviceItem: JSON.parse(options.serviceItem) }); this.loadNearestAddress(); }, async loadNearestAddress() { const address = await getNearestAddress(); this.setData({ userAddress: address }); }, async onBookTap() { if (this.data.submitting) return; this.setData({ submitting: true }); try { const requestId = `${Date.now()}-${this.data.serviceItem.id}`; const res = await request.post('/api/v1/mini/booking', { requestId, serviceItemId: this.data.serviceItem.id, preferredTimeSlot: this.data.selectedTimeSlot, addressId: this.data.userAddress.id, }); if (res.code === 0) { wx.showToast({ title: '预约成功', icon: 'success' }); wx.redirectTo({ url: `/pages/order/detail?id=${res.data.orderId}` }); } else { wx.showToast({ title: res.message, icon: 'none' }); } } catch (err) { wx.showToast({ title: '网络异常,请重试', icon: 'none' }); } finally { this.setData({ submitting: false }); } }, });
4.2 服务端:智能派单引擎(Java / Spring Boot)
public class DispatchService { private RedisTemplate<String, Object> redisTemplate; private StaffRepository staffRepo; private OrderRepository orderRepo; private static final String STAFF_GEO_KEY = "staff:geo:available"; private static final double MAX_RADIUS_KM = 10.0; public DispatchResult dispatch(String orderId) { ServiceOrder order = orderRepo.getByOrderNo(orderId); // 1. 查询用户地址附近的可用师傅 GeoResults<RedisGeoCommands.GeoLocation<Object>> geoResults = redisTemplate.opsForGeo().search( STAFF_GEO_KEY, new Circle( new Point(order.getAddressLng(), order.getAddressLat()), new Distance(MAX_RADIUS_KM, Metrics.KILOMETERS) ), RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs() .includeDistance() .limit(20) ); if (geoResults == null || geoResults.isEmpty()) { throw new NoAvailableStaffException("附近暂无可用服务人员"); } // 2. 综合评分排序 List<StaffCandidate> candidates = geoResults.getContent().stream() .map(geo -> { Staff staff = staffRepo.getById(geo.getContent().getName().toString()); double distanceScore = 1.0 / (1.0 + geo.getDistance().getValue()); double loadScore = 1.0 / (1.0 + staff.getActiveOrderCount()); double ratingScore = staff.getAvgRating() / 5.0; double totalScore = 0.5 * distanceScore + 0.3 * loadScore + 0.2 * ratingScore; return new StaffCandidate(staff, totalScore, geo.getDistance().getValue()); }) .sorted(Comparator.comparingDouble(StaffCandidate::getScore).reversed()) .collect(Collectors.toList()); // 3. 分配最优师傅 StaffCandidate best = candidates.get(0); order.setStaffId(best.getStaff().getId()); order.setStatus(OrderStatus.DISPATCHED); orderRepo.save(order); // 4. 推送接单通知给师傅 pushService.notifyStaff(best.getStaff().getId(), orderId); return DispatchResult.success(orderId, best.getStaff().getId()); } }
五、总结
家政预约小程序的技术核心在于三点:派单引擎的匹配效率(Redis GEO + 多因子加权评分,实现毫秒级就近分配)、订单状态机的严谨性(通过状态模式杜绝非法流转,保障业务一致性)、微信生态的深度集成(订阅消息、地图 SDK、云函数等原生能力的合理运用)。在实际项目中,还需关注小程序包体积优化、首屏加载性能、弱网环境下的容错处理等工程细节,确保用户在各种网络条件下都能获得流畅的预约体验。