U+ERP系统

行业:企业内部管理
载体:Windows应用
技术:C#、WPF

业务背景

1.公司自研项目,老ERP系统为第三方外包开发,界面无设计感,性能很差,业务逻辑不能满足现有业务;
2.该项目将进行客户端重构,UI,权限,交互,业务全部进行重新架构。

功能介绍

1.软件是房屋销售门店系统;
2.分为房源、房勘、带看、权限、结算报表等模块;
3.销售人员从IOS端或者安卓端进行销售业务并在系统进行登记;
4.房源统计人员对每天的房源数量,房源信息,房源销售状态,房源价格进行统计更新;
5.绩效考核人员每月根据不同工作人员的职责业务进行绩效统计,并根据绩效统计结果进行结算报表统计。

项目实现

1.我主要负责客户端架构,另外还有项目经理1人,UI设计师1人,高级研发工程师2人,中级研发工程师3人,初级研发工程师4人,IOS端及安卓端各一人;
2.使用C# WPF 开发;
3.所有菜单实现自定义的MenuItem控件,对处理逻辑及样式重新编写;
4.所有菜单窗体实现自定义的MDI窗体,对样式及逻辑重新编写;
5.点击菜单创建对应窗体采用反射创建;
6.控制菜单窗体实现自定义的标签控件,RadioButton和Button组合,对样式及逻辑重新编写,弃用原本的TabControl控件,避免窗体切换页面重新添加到TabItem可视化树导致窗体重新加载;
7.消息提示实现类微信的红点提示,使用C#的装饰器控件,对样式及逻辑重新编写;
8.下拉文本菜单实现自定义控件,TextBox、Popup、ListBox和RadioButton组合,对样式及逻辑重新编写;
9.实现自定义Combobox多选模糊查询(按文字或拼音首字母);
10.完成主界面架构(包括菜单交互、窗体实现和窗体交互)。

示例图片视频


武汉熵玥智能科技有限公司
15天前活跃
交付率:100.00%
相似推荐
青春湘行-微信小程序
用户端核心功能: 1. 1. 商品浏览与搜索 - 首页轮播图、多维度分类、智能搜索、高级筛选、商品详情展示 2. 2. 购物车与订单管理 - 购物车管理、完整订单流程、状态跟踪、支付集成、退款申请 3. 3. 用户评价与问答 - 1-5星评分、文字图片评价、商品问答、点赞互动功能 4. 4. 用户中心 - 个人信息、订单历史、评价管理、收藏功能、消息通知 管理端功能: 1. 1. 商品管理 - 商品CRUD、分类管理、库存控制、销量统计 2. 2. 订单管理 - 订单处理、状态管理、退款审核、数据统计 3. 3. 用户管理 - 用户信息、行为分析、增长统计 4. 4. 内容管理 - 轮播图配置、评价审核、问答回复、推荐设置 技术特色: - 20+个云函数覆盖所有业务场景 - 完整的数据库设计和关系管理 - 智能推荐算法和动态库存管理 - 订单超时自动处理机制 - 完善的安全保障和性能优化
Tob商旅平台
1.机票业主要功能有机票查询,改签机票查询,机票订单查询,机票预定,退票,改签等主要功能。 2.其中机票数据以壹号数据打底,聚合多家运营商数据进行数据聚合,为客户提供更多选择。 3.在此期间,同时对现有系统查询等功能做相关优化,旨在带给用户更好的使用体验。 4.同时对管理后台增加兜底功能,以便用户预定改签等出现问题可及时进行补救。 5.资源对接项目进行优化。
ToB商旅平台
1.主要分为5大模块分别为:机票业务、酒店业务、火车票业务、用车业务、用户模块,在其中主要负责机票业务。 2.机票业主要功能有机票查询,改签机票查询,机票订单查询,机票预定,退票,改签等主要功能。 3.其中机票数据以壹号数据打底,聚合多家运营商数据进行数据聚合,为客户提供更多选择。
票务销售核销系统
此系统为在线售票系统,提供销售客户端和核销端两大部分,集成微信支付功能,后台可集中管理商品,并提供锁座,核销二维码功能,多终端适配:H5/小程序/PC三端覆盖,智能选座:可视化场馆地图+3D视角切换,根据上座率自动调整价格梯度
携程门票交易秒杀场景优化
与传统电商相比,携程门票交易系统具有两大特点: 1) 强一致性:用户预 订后保证出票且尽可能快速确认,确保每一笔交易都能履约。 2) 多维度和跨商品组合限购:限购规则复杂多变,例如多维度和跨商品组合限购,保障每位用户有公平购票的机会,避免囤票行为。 当系统遇到洪峰流量时,容易出现页面打开慢、卡顿等问题,主要原因有以下几点: 1) Redis 超负载与缓存热点。 2) 数据库超负载。 3) 供应商系统不稳定。 系统优化: 一、Redis负载与缓存热点优化 a) 缓存热点应对方案:热点识别自动构建多级缓存将单位时间内高频访问的Key ,识别出来。例如:同一个 Key 1 秒内单机访问 10 次。 b) 缓存大key问题: 1. 精简缓存对象:去除缓存中的冗余字段。 2. 压缩缓存对象:采用压缩比更高的压缩方式,缩小缓存对象。 3. 拆分大 Key :若精简和压缩后还是过大,根据业务逻辑,将大 Key 拆分成多个小 Key 。 5. 长期治理:建立长期治理机制,定期扫描 Redis 中的大 Key ,每周跟进,将隐患在日常治理中消除。 二、数据库超载优化 a) 缓存覆盖更新策略:替代直接删除缓存 Key 的做法,采用了缓存覆盖更新策略。当商品信息发生变更时,系统不再删除缓存 Key ,而是直接更新该 Key 对应的缓存值。避免了流量穿透到底层数据库。 b) 消息聚合:针对商品变化消息量过大的问题,引入了消息聚合机制。将商品多次变化消息在一段时间窗口内合并成一个,减少消息处理的频率。 c) 异步更新缓存:为了进一步降低 对数据库的实时压力,采用了异步更新缓存的策略。当商品信息发生变更时,系统不会立即更新缓存,而是将更新任务放入一个异步队列中,由后台线程异步处理。 三、供应商系统不稳定 当供应商系统面临大流量冲击时,往往会出现响应缓慢甚至被限流的情况,这直接影响了我们自身系统的稳定性和用户体验。 为了缓解上述问题,我们采取以下技术策略: 1)削峰填谷 缓冲池:利用消息队列作为订单提交的缓冲池,将订单信息先写入队列,再由后台服务异步处理。这样可以将订单提交的高峰流量削平,减少对供应商系统的瞬时压力。
帮助文档   Copyright @ 2021-2024 程序聚合 | 浙ICP备2021014372号
人工客服