预览

于冯辉

Java 软件架构师 · 技术专家 · 产研负责人

Java Architect / Technical Lead / Engineering Manager

14 年企业级架构经验，横跨医药 · 美妆 · 物联网 · 央企四大行业。擅长结构化系统设计，近年在团队推行 AI 辅助编程（Vibe Coding），研发效率提升5~10 倍，前端代码 AI 生成率达80%+。

联系我 行业思考 核心竞争力 从业经历 精选项目 技术能力 数据系统 架构详解
西安理工大学 · 本科 14 年经验 北京 / 西安 yufenghui@hotmail.com 15611816928
行业思考

在数字化与 AI 交汇处构建价值

01

传统行业数字化

信息化已普及，数字化转型进入深水区。当前核心是叠加 AI 能力，实现用户体验与经营效率的成倍级提升——而非简单的系统升级。

02

互联网 AI 驱动

天然数字化背景下，AI 智能化的竞争不在功能层面，而在个性与品味的用户体验。技术架构需要为此提供灵活、可组合的支撑。

03

Vibe Coding 实践

团队使用 Claude Code 近一年，前端 80%+ 代码由 AI 生成，后端达 50%，在保证代码质量与系统架构稳定性的同时实现显著的效率提升。

核心竞争力

结构化思维驱动的技术领导力

◆

企业架构设计

擅长 Java 企业级应用架构设计，具有深厚的结构化思维与技术方案撰写能力。熟悉 TOGAF 理论，重点关注以业务架构为核心、结合数据架构的企业级设计范式。

TOGAFDDDCQRS组件化架构
■

数字化转型落地

横跨医药、美妆零售、物联网、政府/央企四大行业，从 B2B/B2C 商城到 SCRM 私域运营，从 GIS 物联网到央企风控数据中台，具备全链条数字化建设经验。

B2B/B2CSCRMIoT/GIS数据中台
▲

AI 技术栈应用

持续学习大模型应用技术（ReAct、CoT、RAG、Function Calling、Agent），研究 Spring AI、FastGPT、Dify、ChatBI 等平台的企业级落地，推动业务数智化。

LLMRAGAgentSpring AIDify
●

团队管理与方案撰写

具备中型团队研发管理经验，关注技术架构、产品设计、项目管理一体化思考。以出色的方案撰写能力支撑公司内外部的售前、架构与技术决策。

产研管理方案撰写跨部门协作
从业经历

14 年 · 5 段关键经历

2024.11 — 至今

开美集团（点药达 · 壹零空间）

架构师 → 产研线负责人

在点药达任医药 B2B 商城架构师，主导平台技术架构与三方支付清分体系设计。后调任壹零空间担任产研线负责人，设立商城事业部、工业事业部、解决方案中心（矩阵型团队），统筹 20 人左右产研团队，负责 B2C 业务线、工业线、解决方案中心的技术与项目管理，兼任集团架构师。负责集团公司整体内外部技术方案撰写与输出。

2021.09 — 2024.10

畅移（上海）信息科技有限公司

架构组 · 软件架构师

负责公司技术方案撰写、架构设计与优化、大促压测支持。公司同时拥有 PHP、Java、Go 技术栈，项目基本全覆盖。主导 Spring 微服务框架研发，涵盖 Redis 监控与链路追踪、线程池管理、重试幂等中间件、灰度发布集成等企业级功能。在商城、SCRM、CDP 业务线积累了丰富的业务模型与领域模型设计经验。服务欧莱雅、丝芙兰、雅诗兰黛等国际品牌。

2020.05 — 2021.09

易讯通科技有限公司

GIS 产品线负责人 · 技术专家

主导基于 JT/T808/809/1078 协议的物联网 GIS 平台设计，实现车载 OBD 设备接入、车辆定位监控、报警推送等核心功能。实践 Spring Cloud Alibaba 新一代微服务框架，深度参与中型数据流系统设计与实现，在消息中间件应用、数据分发、数据一致性、数据分片与复制等方面积累了丰富的理论与生产经验。

2013.01 — 2020.05

东方宇阳信息科技（北京）有限公司

Java 软件工程师 → 软件架构师

主导 SOA 技术架构改革，全产品线推广 Spring Boot，实践 Spring Cloud Netflix 微服务体系。从业前期主导国家环保部、商务部等政府类业务系统及数据分析平台；中期负责中粮集团采购、物流、数据集成等企业系统；后期主导央企风控数据中台建设，覆盖现货生产、加工、贸易交易及期货交易全链条，形成从政务系统到企业级数字化平台的完整实践。

2010.07 — 2012.12

上海电气 · 网络科技有限公司

软件开发工程师

校招入职，从事项目技术研发、上线、维护全流程工作，奠定了扎实的工程基础。

精选项目

五个代表性案例

01 / B2C 新零售

B2C / O2O 医药新零售商城平台

基于 DDD + CQRS 架构的医药全域标准化商城，采用类"美团/京东到家"的 B2B2C 模式，实现线上线下全渠道融合。覆盖药品零售、百货、美妆、诊所等多元场景。

角色：产研负责人 · 架构设计 · 技术重构

Spring Boot 3 · Mybatis-Plus · RocketMQ · Elasticsearch · Dynamic-Datasource

02 / 数字化平台

医药数字化平台

整合流向系统、一键打印、移动盘点、追溯码系统于统一多租户平台。解决多数据源混合调用（直连数据库 + SDK + Web Service）的统一事务管理难题。

角色：系统架构设计 · 业务架构 · 核心研发

Spring Boot · Mybatis · Dynamic-Datasource · 事务发件箱 · 码上放心集成

03 / OMS 平台

工业 OMS 平台

面向医药生产企业的全渠道订单履约系统，统一接入医院采购平台、商业公司 ERP、B2B 商城等渠道。基于 RuoYi-Vue-Plus，采用 DDD 组件化分层设计（domain-layer + app-layer + micro-layer）。

角色：非功能需求设计 · 数据架构 · 技术选型

Spring Boot 3 · Mybatis-Plus · SaToken · 多租户 · 组件化 DDD

04 / SCRM

丝芙兰 SmartBA · SCRM 项目

为 Sephora 中国 300+ 门店、4000+ 美容顾问打造的企业微信 SCRM 平台。支持千万级企微好友、亿级标签关系，CQRS 读写分离 + 分表 + DTS 实时同步数仓。

角色：整体架构设计 · 方案撰写 · 客户沟通

Spring Boot · Sharding-JDBC · Kafka · Elasticsearch · AnalyticDB · Prometheus

05 / B2B 电商

点药达三方 B2B 交易平台

医药行业 B2B 电商平台，以"自营 + 合营 + 地推"模式为上下游提供一站式营销服务。历经单体 → SOA-Dubbo → 微服务 → 组件化微服务四阶段架构演进，深度参与三方支付清分体系设计。

角色：架构师 · 架构决策 · 支付模块研发

Spring Boot · Dubbo · Sharding-JDBC · RocketMQ · Elasticsearch · K8s

技术能力

能力驱动的技术栈

语言与框架

Java — 14 年深耕，Spring 全家栈，从 Java EE → Spring → Spring Boot → Spring Cloud 完整进化经验，熟悉 Hibernate/JPA、Mybatis、Tomcat 等核心技术
Go — 掌握基于 TCP 4 层协议的系统研发体系及企业级应用开发
Python — 日常运维、数据分析、服务器脚本编写

架构与中间件

微服务体系 — Spring Cloud Alibaba / Netflix、Dubbo、服务治理、RPC 设计原理
消息中间件 — RocketMQ、Kafka，事务发件箱模式，异步业务一致性保障
数据存储 — MySQL、Oracle、MongoDB、Redis、Elasticsearch，分库分表（Sharding-JDBC），数据库生产部署与调优
云原生 — Docker、Kubernetes，云原生设计与运维体系

AI & LLM

LLM 应用 — ReAct、CoT、RAG、Function Calling、Agent 架构设计与实践
AI 平台 — Spring AI、FastGPT、Dify、ChatBI 的企业级集成与应用
Vibe Coding — Claude Code 驱动的 AI 辅助编程实践，前端 80%+ / 后端 50% AI 生成率

工程与管理

方案撰写 — 公司级技术方案、售前方案、架构决策文档的撰写与输出，支撑内外部技术决策
产研管理 — 20 人左右产研团队统筹，关注技术架构 × 产品设计 × 项目管理一体化，获得多位领导认可
英语能力 — CET-6，阅读能力较强，可独立阅读英文技术文档与书籍，支持技术方案双语撰写
基础设施 — Docker、Kubernetes 云原生设计与运维体系，MySQL/Oracle 生产部署与调优，MongoDB/Redis 等 NoSQL
数据系统实践

BI · 风控 · CDP — 数据架构的跨行业实践

横跨政府、央企、互联网三大领域的数据系统建设经验，涵盖 OLAP 多维分析、数据仓库分层建模、CQRS 读写分离架构，具备从数据采集到分析决策的完整数据架构设计能力。

01 · 商务部

BI 数据分析系统

主导商务部许可证局 BI 数据分析平台建设。基于 OLAP 多维分析理念，构建数据仓库模型，实现许可证业务的即席查询、多维下钻与可视化报表，支撑决策层对进出口贸易数据的实时洞察与分析。

02 · 中粮集团

风控数据中台

主导央企风控数据中台建设，覆盖现货生产、加工、贸易交易及期货交易全链条。整合多源异构数据（ERP、交易系统、行情数据），基于数据仓库分层架构（ODS → DWD → DWS → ADS），构建交易对手信用评估、市场风险敞口计算、套保合规监控等核心风控能力。采用 CQRS + ES 实现复杂风险报表的亚秒级响应。

03 · 畅移

CDP 客户数据平台

深度参与 CDP（Customer Data Platform）数据平台架构设计。通过 OneID 打通多品牌、多渠道客户数据孤岛，构建标签体系与用户画像。采用 CQRS 范式 — 命令端保证事务一致性，查询端通过 DTS 实时同步至 AnalyticDB 实现多维即席分析，支撑欧莱雅、丝芙兰、雅诗兰黛等国际品牌的人群圈选与精准营销。

CQRS 读写分离架构设计

CQRS 读写分离架构

命令查询职责分离，MySQL 负责事务写入，Elasticsearch / AnalyticDB 负责复杂查询与即席分析，通过消息队列或 DTS 实现两端数据同步

OLAP 与多维分析

多年数据系统实践经验，熟悉星型/雪花模型设计，掌握维度建模、度量定义、Cube 预计算与即席查询优化。在 BI、风控、CDP 三个系统中均承担数据架构设计工作。

数据仓库

深入理解分层架构（ODS → DWD → DWS → ADS），具备 ETL 流程设计、数据质量治理、元数据管理及数据血缘追踪的完整实践经验。熟悉离线批处理与实时流处理（DTS / Kafka）两种数据同步范式。

CQRS 架构

在多个项目中实践命令查询职责分离（CQRS）模式，MySQL 负责事务写入，Elasticsearch / AnalyticDB 负责复杂查询与即席分析，通过消息队列或 DTS 实现两端数据同步。该模式在风控数据中台、丝芙兰 SCRM、CDP 三个系统中均有深度应用。

项目架构详解

架构设计 · 技术选型 · 演进历程

以下为各项目的系统架构设计、数据架构、技术选型分析及关键决策的完整记录。点击展开查看详情与架构图。

企业战略

公司在医药领域打造供应链上下游生态体系——从生产到批发到零售。B2C/O2O 是末端延伸业务，故设立独立事业部。

产品矩阵

▲ 产品矩阵 — 覆盖药品零售、百货、美妆、诊所等多元场景

业务模型

▲ 业务模型 — B2B2C + O2O 线上线下全渠道融合

业务蓝图

▲ 业务蓝图 — 全域标准化商城运营全景

商业模式

入驻服务年费 + 增值服务收益 + 商品销售佣金 + 平台自营收入 + 平台延伸价值。

建设规划

▲ 建设规划 — 分阶段系统建设路线图

系统架构核心理念

基于业务组件化、DDD 领域驱动、CQRS 数据范式的架构设计。业务架构与数据架构先行，应用架构根据项目阶段与用户规模适配。

业务组件

  • oms — 订单与交易组件
  • pms — 商品与店铺组件
  • ums — 会员与积分组件
  • mms — 营销组件
  • search — 搜索组件
  • statistics — 统计分析组件
  • core — 全局核心组件

数据架构

基于业务组件分库：core 全局核心库、oms 订单与交易库、pms 商品与店铺库、ums 会员与积分库、mms 营销库。Elasticsearch 做搜索聚合检索，通过 MQ 消息同步而非 CDC。RocketMQ 处理异步业务。

架构演进路径

初期：应用通过多数据源组件连接多个数据源，SDK 依赖业务组件，应用无状态可扩缩容。

中期方案一（端服务 + 业务服务）：保留端服务形成两层，服务治理较复杂。

中期方案二（纯业务服务）：端服务拆分到各业务服务中，按业务粒度调整容量。读请求用 Feign，写请求全走 MQ 保证最终一致性与高吞吐。

远期（单元化架构）：将增长的业务板块（如餐饮外卖 + 日用百货）合并为独立单元，连同代码、研发、产品整体迁移独立运营。

技术架构细节

基于开源商城系统升级至 Spring Boot 3，引入 dynamic-datasource 多数据源组件。业务组件内部按 DDD 分层：api / biz / domain / data / dependency。跨组件读请求封装在 dependency 中隔离，写请求优先 MQ 异步，轻量场景利用 dynamic-datasource 的多数据源事务解决跨库一致性。使用 @TransactionalEventListener(phase = AFTER_COMMIT) 确保事务提交后才发送 MQ 消息。

项目定位

基于医药 ERP/WMS 等基础软件之上构建的敏态创新应用平台，整合流向系统、一键打印、移动盘点、追溯码系统，以多租户形式统一前台展现。

医药数字化平台-业务架构

▲ 业务架构 — 多系统整合于统一多租户平台

三方系统集成挑战

系统构建于客户核心 ERP/WMS 之上，集成方式有三种：直连数据库、调用 SDK（二次开发 Jar 包）、调用 Web Service（功能极少）。实际采用「直连数据库 + 调用 SDK」混合模式。

多数据源事务管理方案

使用 mybatis-dynamic-datasource 组件集成多数据源，系统启动时通过 API 动态创建数据源。注解方式限定不同 service/mapper 的数据源。通过 Mybatis 原生 Connection 获取与框架相同技术体系的连接，传给客户 SDK 及 JdbcTemplate 直接操作数据库表。@DSTransactional 整合多数据源事务，Spring 管理手动获取连接与 Mybatis 方法的事务，二者配合达成多数据源混合调用的统一事务管理。

数据一致性设计

读业务：业务幂等 + 数据预同步 + 实时查询。上游出库单、追溯码数据每天定时同步，本地查不到时查询码上放心。扫码设计为幂等操作，失败后重新扫码即可覆盖所有场景。

写业务：事务发件箱模式 + 异步业务后置。先生成上传任务，真正生成上传数据在定时执行环节，不影响业务操作，也方便出错后展示给用户修改。

商业模式分层

SaaS 版本三类场景：高价值客户（KA 独立服务 + 独立集群）、现金客户（标准多租户）、尴尬客户（低价值高成本，仅购买通用订阅）。企业级产品：一次性买断或订阅模式，注重稳定与够用的扩展性。

工业OMS-SaaS数据架构

▲ SaaS 版本数据架构 — 多租户分库 + 独立集群设计

工业OMS-企业级数据架构

▲ 企业级数据架构 — 单租户独立部署方案

RuoYi-Vue-Plus 选型分析

企业内部很难持续维护技术框架，类似若依这样的开源框架在业内形成共识。RuoYi-Vue-Plus 采用模块化架构，技术组件完全拆分，系统功能独立模块，支持 Spring Boot 3、Mybatis-Plus、Dynamic-DataSource、SaToken、多租户，前端项目也比较完善。同一作者还有 RuoYi-Vue-Cloud 微服务版本。

分层设计创新

保留若依原有 common、modules，增加 domain-layer、app-layer、micro-layer。domain-layer（领域层）为业务组件高聚合设计，不能跨组件依赖也不能 SQL JOIN。app-layer（应用层）为高阶组件，可跨组件通信和跨模块 SQL JOIN。micro-layer（服务层）不含业务代码，仅组装组件封装为服务。同层之间不能互相依赖。简单应用可将两层合一，仅保留 app-layer。

架构哲学

架构应该一开始就做好，不要幻想后期调整。组件 = 模块（接口层 + 服务层 + 数据访问层 + SQL 表）+ 模块（*）。

运营模式演进

纯三方平台化运营（轻资产）→ 纯自营平台化运营（重资产，先做大买方市场再吸引供应商）→ 自营 + 三方平台化运营（拓展 B2C + 工业端供应链 + 金融板块）。

支付体系演进

银盛三方支付（误判）→ 易宝三方支付 → 易宝 + 微信收付通 → 易宝 + 平安通联 + 微信收付通 → 易宝 + 平安通联 + 微信收付通 + 金蝶信用付（供应链金融）。

架构演进历程

单体架构（前后端不分离）→ SOA-Dubbo（前后端分离）→ 微服务-Dubbo（应用服务 + 领域服务双层 DDD）→ 微服务-Spring Boot（端服务 + 技术服务 + 组件化）。

架构反思

从早期单体支撑业务验证，到中期追赶技术趋势盲目规模化，再到后期回归业务本质——诠释了技术发展要服务于业务本身。To B 批发类业务体量不大，技术痛点不在高并发和大数据，而是快速支撑业务模式验证与调整。当前属于典型的"分布式单体"、伪微服务范式，改造成本极高。

KPI 要求

企微好友支持千万级，标签关系 1~2 亿，好友关系匹配率 > 99.99%，每 600 万人群表同步 ≤ 1 小时，每 600 万标签同步 ≤ 1 小时，支持 3 年内每年约 500 万数据增长。

应用架构

系统分为中台层和 SmartBA 层，两层数据物理隔离。中台层微服务架构（员工服务、客户服务），SmartBA 层服务化架构（端服务、回调服务、OpenAPI 服务、定时服务、消费订阅服务）。

大数据能力设计

基于 CQRS 将关系数据分表存储到 MySQL，实时同步写 ES 实现复杂检索。通过 DTS 将业务数据实时同步到阿里云 AnalyticDB，通过数仓能力提供即席数据分析。

数据一致性

主要包含企微数据与本地数据一致性、MySQL 事务数据与 ES 和数仓一致性。核心策略为细粒度数据补偿 + 实时监控比对。

可观测能力

应用监控大盘 + 定时异步任务执行监控 + 数据同步与一致性对比监控。技术栈：Micrometer + Prometheus + Grafana + 阿里云监控。