4. 看板技术栈选型与项目初始化

食品批次追溯看板的核心任务，是把分散在原料入库、生产投料、质检、仓储、出库等环节的批次数据，汇聚成一条可查询、可下钻、可告警的时间链。技术栈选型要围绕这个任务展开：前端负责把批次链路和统计指标讲清楚，后端负责稳定地组织追溯关系，数据库负责在批次号、时间、物料之间快速定位。本节先给出选型判断，再落到脚手架初始化与协作规范，让项目从第一天起就具备可维护的骨架。

一、前端可视化库：按“图表职责”分工，而非只选一个

三个候选库的定位差异明显。ECharts 提供开箱即用的图表类型与交互，适合看板中的产量趋势、合格率分布、批次状态占比、库存水位等标准统计图；AntV 体系（以 G2/G6 为代表）在图形语法和关系图上更灵活，G6 尤其适合绘制“原料批次—生产批次—成品批次”的追溯关系网络；D3 控制力最强，适合自定义时间轴、桑基图或特殊标注，但开发成本高，不适合作为看板的主力图表库。

对追溯看板而言，推荐组合是：ECharts 作为主力统计图库，AntV G6 承担批次关系图，D3 仅在确有定制需求时局部引入。这样既保证开发效率，又保留关系可视化的表达力。选型时可用一张对比表固化判断依据：

需要提醒的是，图表库只是渲染层，真正决定看板质量的是数据接口的粒度。前端应约定按“批次维度 + 时间维度 + 指标维度”取数，避免把聚合逻辑散落在各个图表配置里。

二、后端框架与数据库选型

后端推荐使用 Spring Boot（Java）或 FastAPI（Python）。若团队已有 Java 生态与权限体系，Spring Boot 配合 MyBatis-Plus 更稳妥；若追溯规则中涉及较多数据清洗与算法处理，FastAPI 更轻快。两者都能满足 REST 接口、定时任务与权限控制的需求。关键不在框架本身，而在于把“批次追溯查询”设计成独立服务：输入批次号，输出上游原料批次、下游成品批次、关键工序时间点与质检结论。

数据库建议采用关系型数据库为主、时序或缓存为辅的组合。MySQL 或 PostgreSQL 存储批次主数据、工序记录、质检结果与关联关系，利用批次号、物料编码、时间字段建立联合索引；Redis 缓存高频查询的批次链路结果，降低看板刷新压力。若企业已有 MES/ERP 数据，应通过中间表或同步任务接入，而不是让看板直接跨库查询。下面是一个批次关联表的核心字段示例：

CREATE TABLE batch_link (
  id            BIGINT PRIMARY KEY,
  batch_no      VARCHAR(64) NOT NULL,   -- 当前批次号
  parent_batch  VARCHAR(64),            -- 上游原料批次
  material_code VARCHAR(64) NOT NULL,
  process_step  VARCHAR(64),            -- 工序名称
  event_time    DATETIME NOT NULL,
  quality_flag  TINYINT DEFAULT 0,      -- 0合格 1待检 2不合格
  KEY idx_batch (batch_no),
  KEY idx_parent (parent_batch),
  KEY idx_time (event_time)
);

索引设计要贴合查询路径：看板最常见的操作是“按批次号查链路”和“按时间段统计合格率”，因此 batch_no 与 event_time 必须有索引，parent_batch 索引用于反向追溯。

三、项目脚手架搭建

前端可用 Vite 创建 Vue 3 或 React 工程，按“页面—组件—图表—接口”分层：views 放看板页面，components/charts 封装 ECharts 与 G6 组件，api 统一管理请求与错误处理。后端用 Spring Initializr 或 FastAPI 模板生成基础工程，划分 controller、service、mapper、entity 四层，并把数据库连接、跨域、日志配置写入统一配置文件。初始化完成后，先跑通一个最小闭环：前端请求 /api/batch/{batchNo}/chain，后端返回一条示例链路，前端用 G6 渲染出节点与连线。这个闭环跑通，后续图表才有可靠的数据基础。

四、版本控制与协作规范

项目初始化阶段就要把协作规则写进仓库，而不是等冲突发生后再补。建议采用主干加短分支模型：main 保持可演示状态，功能分支以 feature/批次链路查询 这类语义化命名，合并前必须通过接口联调与图表渲染检查。提交信息统一为“类型: 简述”，例如 feat: 新增批次链路接口、fix: 修正合格率统计口径。仓库根目录放置 README，写清启动命令、环境变量、数据库初始化脚本位置与示例批次号，让新成员能在半小时内跑通最小闭环。

最后强调一个容易被忽略的点：选型不是一次性决策。若后续发现 G6 关系图在批次节点超过数百时性能下降，应提前约定聚合展示与按需展开策略；若统计口径频繁变化，应把指标计算下沉到后端，而不是在前端图表配置中反复修改。技术栈的价值，最终体现在追溯查询是否快、链路是否准、协作是否顺。