Spring Boot入门教程：60分钟快速上手

上周五晚上9点半，我瘫在工位上盯着IDEA里满屏的红色报错，脑子里只有一个念头：“早知道就用 Go 写这个爬虫了。”
这事儿得从头说起——我们组最近被临时塞了个需求：搞一个内部内容聚合服务，定时从几个公开站点抓取商品信息（别问为啥不直接调API，问就是产品说“这些站没开放接口”）。Deadline是三天后，而我刚好在双11大促压测完的第二天接到这个活儿。人还飘着，脑子还在处理Redis集群的慢查询日志，结果产品经理一句“很简单吧？你不是会Java吗？”直接把我钉死在椅子上。

我是京东上海后端团队的五年老狗，经历过618和双11的流量洪峰，日常开发用Mac（Windows只留着测试IE兼容性，虽然现在基本没人用了），对前端动画还挺感兴趣（毕竟看着loading转圈也得有点审美）。但说实话，Spring Boot 这玩意儿，我一直用得挺佛系——公司主框架早就封装好了starter、中间件、配置中心，我平时写业务代码就像搭乐高，很少从零搭建。这次突然要裸写一个独立服务，还得集成爬虫逻辑，瞬间有点懵。

---

为什么不用 Go？别急，先比一比

很多人第一反应是：“这种IO密集型任务，Go不香吗？” 我一开始也这么想。毕竟Go的goroutine天生适合高并发爬虫，轻量、编译快、部署简单。但在实际业务场景里，技术选型从来不是“哪个更酷”，而是“哪个更稳、更快交付、更符合团队栈”。

我把两个方案拉出来遛了遛：

维度	Spring Boot (Java 17)	Go (1.22)
开发速度	⭐⭐⭐⭐（有大量现成生态）	⭐⭐⭐（需手动集成很多轮子）
团队熟悉度	⭐⭐⭐⭐⭐（全员Java栈）	⭐（只有俩人会）
爬虫库成熟度	Jsoup/HttpClient + 定时任务	Colly + Cron
部署运维	Docker + K8s（公司标准）	同左，但监控埋点要重写
与现有系统集成	直接调用公司统一认证、日志、配置中心	需要额外适配
内存占用	较高（~500MB起）	极低（~20MB）

结论很现实：虽然Go更轻量，但为了三天交付，用Spring Boot能复用公司已有的中间件SDK、统一告警、链路追踪，省下至少一天调试时间。而且——我司运维看到Go服务会皱眉（他们只认Java应用的JMX指标），测试同学也不会写Go的Mock Server。算了，忍一忍，上Spring Boot。

---

60分钟实操：从 start.spring.io 到跑起来

Step 1：初始化项目（5分钟）

打开 https://start.spring.io，填好Group、Artifact，语言选Java，打包选Jar，Java版本17（公司新项目标配），依赖勾上：

• Spring Web（必须）
• Spring Data JPA（后面存数据用）
• H2 Database（本地开发用内存DB，上线切MySQL）
• Spring Boot DevTools（热加载，救命神器）
• Quartz Scheduler（定时爬虫）

⚠️ 吐槽：别信网上那些“Spring Initializr太重”的说法——对我们这种赶deadline的人来说，它就是生产力核弹。

生成下载，解压，IDEA打开。搞定。

Step 2：写个最简Controller验证通路（10分钟）

@RestController
public class HealthController {
    @GetMapping("/ping")
    public String ping() {
        return "pong! - built at " + new Date();
    }
}

终端敲：

./mvnw spring-boot:run

浏览器访问 http://localhost:8080/ping，看到返回就算通了。千万别跳过这一步！ 去年双11前我就因为跳过健康检查，上线后发现端口被占，差点背锅。

Step 3：集成爬虫逻辑（20分钟）

这里用 Jsoup（HTML解析） + Apache HttpClient（高性能HTTP客户端）。在 pom.xml 加依赖：

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.17.2</version>
</dependency>
<dependency>
    <groupId>org.apache.httpcomponents.client5</groupId>
    <artifactId>httpclient5</artifactId>
</dependency>

写个Service：

@Service
public class ProductCrawlerService {

    private final CloseableHttpClient httpClient = HttpClients.createDefault();

    public List<Product> crawlFromSite(String url) throws IOException {
        // 设置User-Agent防反爬
        HttpGet request = new HttpGet(url);
        request.setHeader("User-Agent", "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36");

        try (CloseableHttpResponse response = httpClient.execute(request)) {
            String html = EntityUtils.toString(response.getEntity());
            Document doc = Jsoup.parse(html);

            // 假设页面结构是 <div class="product">...<span class="price">¥100</span></div>
            return doc.select(".product").stream()
                .map(el -> new Product(
                    el.select(".name").text(),
                    el.select(".price").text().replace("¥", "")
                ))
                .collect(Collectors.toList());
        }
    }
}

💡 注意：真实爬虫要考虑重试、代理、验证码、动态渲染（这时候可能得上Selenium或Playwright），但内部工具先跑通再说。产品经理说“就几个静态页”，信他个鬼！

Step 4：存数据库 + 定时任务（15分钟）

先建Entity：

@Entity
@Table(name = "products")
public class Product {
    @Id
    @GeneratedValue(strategy = GenerationType.IDENTITY)
    private Long id;
    private String name;
    private String price;

    // constructor, getters, setters...
}

Repository就一行：

public interface ProductRepository extends JpaRepository<Product, Long> {}

然后写定时任务：

@Component
public class CrawlScheduler {

    @Autowired
    private ProductCrawlerService crawlerService;
    
    @Autowired
    private ProductRepository productRepo;

    // 每30分钟跑一次
    @Scheduled(fixedRate = 30 * 60 * 1000)
    public void crawlAndSave() {
        log.info("Starting crawl job...");
        try {
            List<Product> products = crawlerService.crawlFromSite("https://example-shop.com/list");
            productRepo.saveAll(products);
            log.info("Saved {} products", products.size());
        } catch (Exception e) {
            log.error("Crawl failed!", e);
            // 这里应该发企业微信告警，但demo先打印
        }
    }
}

别忘了在主类加 @EnableScheduling！

Step 5：配置文件（5分钟）

application.yml：

spring:
  datasource:
    url: jdbc:h2:mem:testdb
    driver-class-name: org.h2.Driver
  jpa:
    hibernate:
      ddl-auto: update
    show-sql: true

logging:
  level:
    com.yourpackage: debug

🤫 秘密：ddl-auto: update 在生产环境是大忌！我们上线前一定会改成 validate 并手动管理SQL脚本。但本地开发图快，谁管那么多？

Step 6：跑起来 & 验证（5分钟）

./mvnw spring-boot:run

等30秒，看控制台有没有 Saved X products。再查H2数据库（Spring Boot自动启H2 Console，访问 /h2-console，JDBC URL填 jdbc:h2:mem:testdb）。

---

踩坑实录：那些让我想砸Mac的瞬间

1. Jsoup解析乱码：目标站是GBK编码，Jsoup默认UTF-8。解决方案：Jsoup.parse(html, "GBK")。
2. HttpClient连接池耗尽：没close response，线程卡死。务必用try-with-resources！
3. 定时任务阻塞主线程：Quartz默认单线程。加配置：

   spring:
     task:
       scheduling:
         pool:
           size: 5
   

4. H2和MySQL语法差异：本地用H2的 AUTO_INCREMENT，上线MySQL报错。后来统一用 GenerationType.IDENTITY 才解决。

最惨的是——忘了加 @Transactional，导致批量save时每个insert开一个事务，DB CPU飙到100%。还好是在测试环境，不然又是一次P0事故。

---

为什么我还是推荐Spring Boot给新人？

虽然Go在爬虫场景确实更轻量，但Spring Boot的工程化能力太强了：

• 自动配置（AutoConfiguration）省去90%样板代码
• Actuator提供 /health, /metrics 等生产级端点
• Starter机制让集成Redis、RabbitMQ像喝水一样简单
• Spring Cloud全家桶无缝对接微服务

更重要的是——在大厂，稳定性和可维护性永远排在“技术时髦”前面。我们组去年尝试用Go重写一个边缘服务，结果发现：

• 日志格式和公司ELK不兼容
• 链路追踪ID透传要自己实现
• 压测时GC停顿没了，但goroutine泄漏更难查

最后还是回滚到Java。血泪教训啊！

---

最后几句真心话

写这篇教程，其实是因为上周帮实习生搭环境时，发现很多人对Spring Boot还停留在“XML配置地狱”的印象。其实现在的Spring Boot，真的可以60分钟跑通一个生产级雏形。

当然，如果你只是写个一次性爬虫脚本，Go or Python definitely better。但一旦涉及用户体系、权限控制、事务、监控告警、灰度发布——Spring Boot这套组合拳，依然是Java世界的最优解。

哦对了，今天那个爬虫服务已经上线了。虽然产品经理昨天又提了新需求：“能不能把图片也下载下来？”……算了，不说了，我去改代码了。

作者：京东上海后端，Mac党，双11幸存者。
本文所有代码已脱敏，可在GitHub Gist查看（假的，别点）。
下期预告：《如何在Spring Boot里优雅地接入公司统一登录？》——求产品经理别再让我重复造轮子了！