# 用户导入504超时错误修复说明

## 问题描述
在导入用户档案数据时，出现 **504 Gateway Time-out** 错误。这是因为：
1. 数据量较大，导入处理时间超过了网关（Nginx）的超时限制
2. 同步处理导致HTTP请求长时间等待响应

## 修复方案
采用**异步导入**方式，将耗时的导入操作放到后台线程执行，HTTP请求立即返回，通过进度轮询查看导入状态。

## 修改内容

### 1. Controller层修改 ✅
**文件**: `ry-xinli-admin/src/main/java/com/ddnai/web/controller/psychology/PsyUserProfileController.java`

**修改内容**:
- 修改 `importData` 方法，调用异步导入方法 `importProfileAsync`
- 立即返回响应，告知前端导入任务已启动
- 前端通过 `/importProgress` 接口轮询获取进度

```java
@PostMapping("/importData")
public AjaxResult importData(MultipartFile file, boolean updateSupport) throws Exception
{
    ExcelUtil<PsyUserProfile> util = new ExcelUtil<PsyUserProfile>(PsyUserProfile.class);
    List<PsyUserProfile> profileList = util.importExcel(file.getInputStream());
    String operName = getUsername();
    
    // 异步执行导入任务，立即返回
    profileService.importProfileAsync(profileList, updateSupport, operName);
    
    // 立即返回响应，告知前端导入任务已启动
    return success("导入任务已启动，共 " + profileList.size() + " 条数据。请稍候查看导入进度...");
}
```

### 2. Service接口层修改 ✅
**文件**: `ry-xinli-system/src/main/java/com/ddnai/system/service/psychology/IPsyUserProfileService.java`

**修改内容**:
- 添加异步导入方法接口 `importProfileAsync`

```java
/**
 * 异步导入用户档案数据（避免超时）
 */
public void importProfileAsync(List<PsyUserProfile> profileList, Boolean isUpdateSupport, String operName);
```

### 3. Service实现层修改 ✅
**文件**: `ry-xinli-system/src/main/java/com/ddnai/system/service/impl/psychology/PsyUserProfileServiceImpl.java`

**修改内容**:
- 添加 `@Async` 注解导入
- 实现异步导入方法，使用 `@Async` 注解标记

```java
import org.springframework.scheduling.annotation.Async;

@Override
@Async
public void importProfileAsync(List<PsyUserProfile> profileList, Boolean isUpdateSupport, String operName)
{
    try
    {
        log.info("异步导入任务开始，操作人：{}，数据量：{}", operName, profileList.size());
        // 调用同步导入方法执行实际导入逻辑
        importProfile(profileList, isUpdateSupport, operName);
        log.info("异步导入任务完成，操作人：{}", operName);
    }
    catch (Exception e)
    {
        log.error("异步导入任务失败，操作人：{}，错误：{}", operName, e.getMessage(), e);
    }
}
```

### 4. 启动类修改 ✅
**文件**: `ry-xinli-admin/src/main/java/com/ddnai/XinliApplication.java`

**修改内容**:
- 添加 `@EnableAsync` 注解启用异步支持
- 配置异步任务线程池

```java
import org.springframework.scheduling.annotation.EnableAsync;
import org.springframework.scheduling.concurrent.ThreadPoolTaskExecutor;
import java.util.concurrent.Executor;

@SpringBootApplication(exclude = { DataSourceAutoConfiguration.class })
@EnableAsync
public class XinliApplication
{
    @Bean(name = "taskExecutor")
    public Executor taskExecutor()
    {
        ThreadPoolTaskExecutor executor = new ThreadPoolTaskExecutor();
        executor.setCorePoolSize(5);           // 核心线程数
        executor.setMaxPoolSize(10);           // 最大线程数
        executor.setQueueCapacity(100);        // 队列容量
        executor.setThreadNamePrefix("async-import-");
        executor.setWaitForTasksToCompleteOnShutdown(true);
        executor.setAwaitTerminationSeconds(60);
        executor.initialize();
        return executor;
    }
}
```

### 5. 配置文件修改 ✅
**文件**: `ry-xinli-admin/src/main/resources/application.yml`

**修改内容**:
- 增加MVC异步请求超时配置（作为保险）

```yaml
spring:
  mvc:
    async:
      # 异步请求超时时间（毫秒），设置为10分钟
      request-timeout: 600000
```

## 工作原理

1. **文件上传**: 用户上传Excel文件
2. **解析数据**: Controller解析Excel文件为对象列表
3. **启动异步任务**: 调用 `importProfileAsync` 方法，Spring会在独立线程中执行
4. **立即返回**: HTTP请求立即返回成功响应
5. **进度管理**: 后台线程执行导入，通过 `ImportProgressManager` 记录进度
6. **前端轮询**: 前端通过 `/importProgress` 接口定期查询导入进度
7. **完成通知**: 导入完成后，前端获取到最终结果并显示

## 优势

✅ **避免超时**: HTTP请求立即返回，不会因导入时间长而超时  
✅ **用户体验好**: 前端实时显示导入进度  
✅ **不阻塞服务器**: 导入任务在独立线程池中执行  
✅ **支持大批量**: 可以处理大量数据而不影响其他请求  
✅ **向后兼容**: 保留了同步导入方法，不影响其他功能  

## 注意事项

⚠️ **重启应用**: 修改完成后需要重启Spring Boot应用才能生效  
⚠️ **数据库连接**: 异步线程需要数据库连接，确保连接池配置足够  
⚠️ **事务管理**: 异步方法中的事务与主线程独立，需注意事务边界  
⚠️ **线程池监控**: 生产环境建议监控线程池状态，避免资源耗尽  

## 如何测试

1. 重启Spring Boot应用
2. 准备一个包含较多数据的Excel文件（建议500+条）
3. 在用户档案管理页面点击"导入"
4. 上传文件后，应该立即收到"导入任务已启动"的提示
5. 观察进度条实时更新
6. 等待导入完成，查看结果统计

## 进一步优化建议（可选）

如果仍然遇到问题，可以考虑：

1. **增加Nginx超时配置** (如果使用了Nginx反向代理):
   ```nginx
   proxy_connect_timeout 600s;
   proxy_send_timeout 600s;
   proxy_read_timeout 600s;
   ```

2. **优化批量插入性能**:
   - 已实现分批处理（每批500条）
   - 可以根据实际情况调整批次大小

3. **数据库优化**:
   - 确保相关字段有索引
   - 检查批量插入SQL性能

---

**修复完成日期**: 2025-12-01  
**修复人员**: Cascade AI  
**影响范围**: 用户档案导入功能  
**风险评估**: 低（仅改变执行方式，核心逻辑未变）