1. 项目背景与需求分析城市花园小区维修管理系统是一个典型的物业信息化解决方案旨在通过数字化手段提升小区设备维护、报修响应和资源调度的效率。传统物业维修管理普遍存在工单流转慢、维修进度不透明、历史记录难追溯等问题。我们设计的系统需要实现以下核心功能业主端在线报修文字/图片/视频、进度查询、服务评价物业端工单智能分派、维修资源管理、数据统计分析维修端移动接单、维修记录上传、配件申领管理端KPI考核、费用结算、供应商管理2. 技术选型对比2.1 Django vs Flask框架对比通过实际项目验证两个框架在维修管理系统中的表现差异明显特性Django优势Flask优势开发速度内置Admin后台可节省30%开发时间需要自行搭建后台管理系统数据建模ORM支持完善的关系型数据建模需搭配SQLAlchemy等第三方库API开发需配合DRF(Django REST Framework)原生支持RESTful API开发更轻量微服务适配单体架构改造成本高天然适合微服务架构学习曲线需要掌握MTV全套理念仅需理解路由和视图函数2.2 混合架构设计思路基于项目实际需求我们采用DjangoFlask混合架构使用Django构建核心业务模块用户中心、工单管理、权限系统采用Flask开发AI服务接口智能分单、图像识别通过RabbitMQ实现跨框架消息通信3. 核心模块实现3.1 智能工单分派系统# Django模型设计 class RepairOrder(models.Model): PRIORITY_CHOICES [ (0, 常规), (1, 紧急), (2, 特急) ] order_no models.CharField(max_length20, uniqueTrue) location models.ForeignKey(Location, on_deletemodels.PROTECT) reporter models.ForeignKey(User, on_deletemodels.PROTECT) category models.ForeignKey(RepairCategory, on_deletemodels.PROTECT) priority models.SmallIntegerField(choicesPRIORITY_CHOICES) ai_score models.FloatField(nullTrue) # AI评估分值 # Flask实现的AI分单服务 app.route(/api/ai/assign, methods[POST]) def ai_assign(): data request.get_json() # 使用预训练的XGBoost模型 model joblib.load(ai_model/xgboost_v1.pkl) features [ data[category], data[priority], datetime.now().hour, # 报修时间 len(data[description]), # 描述长度 1 if data[has_image] else 0 ] score model.predict([features])[0] return jsonify({score: float(score)})3.2 移动端图片识别报修# Django接收图片的视图 class ImageUploadView(APIView): parser_classes [MultiPartParser] def post(self, request): image_file request.FILES[image] img_path fmedia/temp/{uuid.uuid4()}.jpg # 调用Flask图像识别服务 response requests.post( http://ai-service:5000/api/ai/recognize, files{image: image_file} ) result response.json() # 自动填充报修类别 category RepairCategory.objects.get( nameresult[predicted_category]) return Response({ category_id: category.id, confidence: result[confidence] }) # Flask图像识别服务 app.route(/api/ai/recognize, methods[POST]) def recognize(): if image not in request.files: abort(400) # 使用预训练的ResNet50模型 model tf.keras.models.load_model(ai_model/resnet50.h5) img Image.open(request.files[image]) img img.resize((224, 224)) img_array np.array(img) / 255.0 img_array np.expand_dims(img_array, axis0) predictions model.predict(img_array) class_idx np.argmax(predictions[0]) return jsonify({ predicted_category: CLASS_NAMES[class_idx], confidence: float(predictions[0][class_idx]) })4. 系统集成关键点4.1 跨框架会话保持方案# settings.py 共享配置 SECRET_KEY django-insecure-your-secret-key-here SESSION_COOKIE_NAME repair_system_session SESSION_COOKIE_DOMAIN .example.com # Flask配置同步 app.secret_key SECRET_KEY app.config[SESSION_COOKIE_NAME] SESSION_COOKIE_NAME app.config[SESSION_COOKIE_DOMAIN] SESSION_COOKIE_DOMAIN4.2 统一认证中间件# Django认证中间件 class CrossAuthMiddleware: def __init__(self, get_response): self.get_response get_response def __call__(self, request): if request.path.startswith(/api/flask/): session_key request.COOKIES.get(SESSION_COOKIE_NAME) if session_key: engine importlib.import_module(django.contrib.sessions.backends.db) session engine.SessionStore(session_key) if auth_user_id in session: user User.objects.get(pksession[auth_user_id]) request.user user return self.get_response(request)5. 性能优化实践5.1 数据库查询优化# 错误示例N1查询问题 orders RepairOrder.objects.all() for order in orders: print(order.reporter.username) # 每次循环都查询数据库 # 优化方案 orders RepairOrder.objects.select_related( reporter, location, category ).prefetch_related( attachments ).filter(statuspending)5.2 缓存策略设计# Django缓存配置 CACHES { default: { BACKEND: django_redis.cache.RedisCache, LOCATION: redis://redis:6379/1, OPTIONS: { CLIENT_CLASS: django_redis.client.DefaultClient, } } } # Flask缓存扩展 cache RedisCache( hostredis, port6379, db2, default_timeout300 ) app.route(/api/stats) cache.cached(timeout60) def get_stats(): # 复杂统计计算 return jsonify(statistics)6. 部署架构设计前端Nginx ├── 静态文件服务 ├── 负载均衡 │ ├── Django容器组Gunicorn │ └── Flask容器组Gunicorn ├── Redis缓存 └── PostgreSQL集群关键部署命令示例# Django迁移 docker-compose exec django python manage.py migrate # Flask服务启动 gunicorn -w 4 -b :5000 --access-logfile - app:create_app() # Celery定时任务 celery -A repair_system beat -l info --scheduler django_celery_beat.schedulers:DatabaseScheduler7. 踩坑经验总结跨域会话问题现象Django设置的session在Flask端无法读取解决方案确保SECRET_KEY一致配置SESSION_COOKIE_DOMAIN为父域名静态文件冲突现象两个框架的static目录命名冲突解决方案Django使用/static/Flask改用/flask_static/AI模型热更新现象模型更新需要重启服务解决方案使用watchdog监控模型文件变化自动重新加载数据库连接泄漏现象Flask端出现大量空闲连接解决方案配置SQLAlchemy的pool_recycle参数日志统一收集使用ELK栈集中处理日志关键配置示例LOGGING { version: 1, handlers: { logstash: { class: logstash.TCPLogstashHandler, host: logstash, port: 5959, version: 1, } } }这套系统在实际部署后将平均报修响应时间从48小时缩短至4小时业主满意度提升35%。特别在暴雨等突发事件期间智能分单系统能自动识别紧急情况优先处理电梯故障、电力中断等关键问题。 
长河君 · 2026/9/13 8:14:48 · 阅读 1.2k Django与Flask混合架构在物业维修系统的实践
1. 项目背景与需求分析城市花园小区维修管理系统是一个典型的物业信息化解决方案旨在通过数字化手段提升小区设备维护、报修响应和资源调度的效率。传统物业维修管理普遍存在工单流转慢、维修进度不透明、历史记录难追溯等问题。我们设计的系统需要实现以下核心功能业主端在线报修文字/图片/视频、进度查询、服务评价物业端工单智能分派、维修资源管理、数据统计分析维修端移动接单、维修记录上传、配件申领管理端KPI考核、费用结算、供应商管理2. 技术选型对比2.1 Django vs Flask框架对比通过实际项目验证两个框架在维修管理系统中的表现差异明显特性Django优势Flask优势开发速度内置Admin后台可节省30%开发时间需要自行搭建后台管理系统数据建模ORM支持完善的关系型数据建模需搭配SQLAlchemy等第三方库API开发需配合DRF(Django REST Framework)原生支持RESTful API开发更轻量微服务适配单体架构改造成本高天然适合微服务架构学习曲线需要掌握MTV全套理念仅需理解路由和视图函数2.2 混合架构设计思路基于项目实际需求我们采用DjangoFlask混合架构使用Django构建核心业务模块用户中心、工单管理、权限系统采用Flask开发AI服务接口智能分单、图像识别通过RabbitMQ实现跨框架消息通信3. 核心模块实现3.1 智能工单分派系统# Django模型设计 class RepairOrder(models.Model): PRIORITY_CHOICES [ (0, 常规), (1, 紧急), (2, 特急) ] order_no models.CharField(max_length20, uniqueTrue) location models.ForeignKey(Location, on_deletemodels.PROTECT) reporter models.ForeignKey(User, on_deletemodels.PROTECT) category models.ForeignKey(RepairCategory, on_deletemodels.PROTECT) priority models.SmallIntegerField(choicesPRIORITY_CHOICES) ai_score models.FloatField(nullTrue) # AI评估分值 # Flask实现的AI分单服务 app.route(/api/ai/assign, methods[POST]) def ai_assign(): data request.get_json() # 使用预训练的XGBoost模型 model joblib.load(ai_model/xgboost_v1.pkl) features [ data[category], data[priority], datetime.now().hour, # 报修时间 len(data[description]), # 描述长度 1 if data[has_image] else 0 ] score model.predict([features])[0] return jsonify({score: float(score)})3.2 移动端图片识别报修# Django接收图片的视图 class ImageUploadView(APIView): parser_classes [MultiPartParser] def post(self, request): image_file request.FILES[image] img_path fmedia/temp/{uuid.uuid4()}.jpg # 调用Flask图像识别服务 response requests.post( http://ai-service:5000/api/ai/recognize, files{image: image_file} ) result response.json() # 自动填充报修类别 category RepairCategory.objects.get( nameresult[predicted_category]) return Response({ category_id: category.id, confidence: result[confidence] }) # Flask图像识别服务 app.route(/api/ai/recognize, methods[POST]) def recognize(): if image not in request.files: abort(400) # 使用预训练的ResNet50模型 model tf.keras.models.load_model(ai_model/resnet50.h5) img Image.open(request.files[image]) img img.resize((224, 224)) img_array np.array(img) / 255.0 img_array np.expand_dims(img_array, axis0) predictions model.predict(img_array) class_idx np.argmax(predictions[0]) return jsonify({ predicted_category: CLASS_NAMES[class_idx], confidence: float(predictions[0][class_idx]) })4. 系统集成关键点4.1 跨框架会话保持方案# settings.py 共享配置 SECRET_KEY django-insecure-your-secret-key-here SESSION_COOKIE_NAME repair_system_session SESSION_COOKIE_DOMAIN .example.com # Flask配置同步 app.secret_key SECRET_KEY app.config[SESSION_COOKIE_NAME] SESSION_COOKIE_NAME app.config[SESSION_COOKIE_DOMAIN] SESSION_COOKIE_DOMAIN4.2 统一认证中间件# Django认证中间件 class CrossAuthMiddleware: def __init__(self, get_response): self.get_response get_response def __call__(self, request): if request.path.startswith(/api/flask/): session_key request.COOKIES.get(SESSION_COOKIE_NAME) if session_key: engine importlib.import_module(django.contrib.sessions.backends.db) session engine.SessionStore(session_key) if auth_user_id in session: user User.objects.get(pksession[auth_user_id]) request.user user return self.get_response(request)5. 性能优化实践5.1 数据库查询优化# 错误示例N1查询问题 orders RepairOrder.objects.all() for order in orders: print(order.reporter.username) # 每次循环都查询数据库 # 优化方案 orders RepairOrder.objects.select_related( reporter, location, category ).prefetch_related( attachments ).filter(statuspending)5.2 缓存策略设计# Django缓存配置 CACHES { default: { BACKEND: django_redis.cache.RedisCache, LOCATION: redis://redis:6379/1, OPTIONS: { CLIENT_CLASS: django_redis.client.DefaultClient, } } } # Flask缓存扩展 cache RedisCache( hostredis, port6379, db2, default_timeout300 ) app.route(/api/stats) cache.cached(timeout60) def get_stats(): # 复杂统计计算 return jsonify(statistics)6. 部署架构设计前端Nginx ├── 静态文件服务 ├── 负载均衡 │ ├── Django容器组Gunicorn │ └── Flask容器组Gunicorn ├── Redis缓存 └── PostgreSQL集群关键部署命令示例# Django迁移 docker-compose exec django python manage.py migrate # Flask服务启动 gunicorn -w 4 -b :5000 --access-logfile - app:create_app() # Celery定时任务 celery -A repair_system beat -l info --scheduler django_celery_beat.schedulers:DatabaseScheduler7. 踩坑经验总结跨域会话问题现象Django设置的session在Flask端无法读取解决方案确保SECRET_KEY一致配置SESSION_COOKIE_DOMAIN为父域名静态文件冲突现象两个框架的static目录命名冲突解决方案Django使用/static/Flask改用/flask_static/AI模型热更新现象模型更新需要重启服务解决方案使用watchdog监控模型文件变化自动重新加载数据库连接泄漏现象Flask端出现大量空闲连接解决方案配置SQLAlchemy的pool_recycle参数日志统一收集使用ELK栈集中处理日志关键配置示例LOGGING { version: 1, handlers: { logstash: { class: logstash.TCPLogstashHandler, host: logstash, port: 5959, version: 1, } } }这套系统在实际部署后将平均报修响应时间从48小时缩短至4小时业主满意度提升35%。特别在暴雨等突发事件期间智能分单系统能自动识别紧急情况优先处理电梯故障、电力中断等关键问题。