4被浏览1,943分享邀请回答1添加评论分享收藏感谢收起主题信息（必填）
主题描述（最多限制在50个字符）
申请人信息（必填）
申请信息已提交审核，请注意查收邮件，我们会尽快给您反馈。
如有疑问，请联系
CSDN &《程序员》研发主编，投稿&纠错等事宜请致邮
你只管努力，剩下的交给时光！
如今的编程是一场程序员和上帝的竞赛，程序员要开发出更大更好、傻瓜都会用到软件。而上帝在努力创造出更大更傻的傻瓜。目前为止，上帝是赢的。个人网站：www.xttblog.com。个人QQ群：、
个人大数据技术博客：https://www.iteblog.com
声明：本文为CSDN原创投稿文章，未经许可，禁止任何形式的转载。
作者：梁阳鹤，乐视网boss平台技术部架构师，主要负责乐视集团支付，乐视会员系统，商业运营平台等系统架构工作。开源数据访问层框架作者。
责编：钱曙光，关注架构和算法领域，寻求报道或者投稿请发邮件，另有「CSDN 高级架构师群」，内有诸多知名互联网公司的大牛架构师，欢迎架构师加微信qshuguang2008申请入群，备注姓名+公司+职位。
随着乐视硬件抢购的不断升级，乐视集团支付面临的请求压力百倍乃至千倍的暴增。作为商品购买的最后一环，保证用户快速稳定的完成支付尤为重要。所以在15年11月，我们对整个支付系统进行了全面的架构升级，使之具备了每秒稳定处理10万订单的能力。为乐视生态各种形式的抢购秒杀活动提供了强有力的支撑。一、库分表在redis，memcached等缓存系统盛行的互联网时代，构建一个支撑每秒十万只读的系统并不复杂，无非是通过一致性哈希扩展缓存节点，水平扩展web服务器等。支付系统要处理每秒十万笔订单，需要的是每秒数十万的数据库更新操作（insert加update），这在任何一个独立数据库上都是不可能完成的任务，所以我们首先要做的是对订单表（简称order）进行分库与分表。在进行数据库操作时，一般都会有用户ID（简称uid）字段，所以我们选择以uid进行分库分表。分库策略我们选择了“二叉树分库”，所谓“二叉树分库”指的是：我们在进行数据库扩容时，都是以2的倍数进行扩容。比如：1台扩容到2台，2台扩容到4台，4台扩容到8台，以此类推。这种分库方式的好处是，我们在进行扩容时，只需DBA进行表级的数据同步，而不需要自己写脚本进行行级数据同步。光是有分库是不够的，经过持续压力测试我们发现，在同一数据库中，对多个表进行并发更新的效率要远远大于对一个表进行并发更新，所以我们在每个分库中都将order表拆分成10份：order_0，order_1，….，order_9。最后我们把order表放在了8个分库中（编号1到8，分别对应DB1到DB8），每个分库中10个分表（编号0到9，分别对应order_0到order_9），部署结构如下图所示：根据uid计算数据库编号：数据库编号 = (uid / 10) % 8 + 1根据uid计算表编号：表编号 = uid % 10当uid=9527时，根据上面的算法，其实是把uid分成了两部分952和7，其中952模8加1等于1为数据库编号，而7则为表编号。所以uid=9527的订单信息需要去DB1库中的order_7表查找。具体算法流程也可参见下图：有了分库分表的结构与算法最后就是寻找分库分表的实现工具，目前市面上约有两种类型的分库分表工具：
客户端分库分表，在客户端完成分库分表操作，直连数据库
使用分库分表中间件，客户端连分库分表中间件，由中间件完成分库分表操作
这两种类型的工具市面上都有，这里不一一列举，总的来看这两类工具各有利弊。客户端分库分表由于直连数据库，所以性能比使用分库分表中间件高15%到20%。而使用分库分表中间件由于进行了统一的中间件管理，将分库分表操作和客户端隔离，模块划分更加清晰，便于DBA进行统一管理。我们选择的是在客户端分库分表，因为我们自己开发并开源了一套数据层访问框架，它的代号叫“芒果”，芒果框架原生支持分库分表功能，并且配置起来非常简单。
芒果主页：mango.jfaster.org
芒果源码：github.com/jfaster/mango
二、订单ID订单系统的ID必须具有全局唯一的特征，最简单的方式是利用数据库的序列，每操作一次就能获得一个全局唯一的自增ID，如果要支持每秒处理10万订单，那每秒将至少需要生成10万个订单ID，通过数据库生成自增ID显然无法完成上述要求。所以我们只能通过内存计算获得全局唯一的订单ID。JAVA领域最著名的唯一ID应该算是UUID了，不过UUID太长而且包含字母，不适合作为订单ID。通过反复比较与筛选，我们借鉴了Twitter的Snowflake算法，实现了全局唯一ID。下面是订单ID的简化结构图：上图分为3个部分：
这里时间戳的粒度是毫秒级，生成订单ID时，使用System.currentTimeMillis()作为时间戳。
每个订单服务器都将被分配一个唯一的编号，生成订单ID时，直接使用该唯一编号作为机器号即可。
当在同一服务器的同一毫秒中有多个生成订单ID的请求时，会在当前毫秒下自增此序号，下一个毫秒此序号继续从0开始。比如在同一服务器同一毫秒有3个生成订单ID的请求，这3个订单ID的自增序号部分将分别是0，1，2。上面3个部分组合，我们就能快速生成全局唯一的订单ID。不过光全局唯一还不够，很多时候我们会只根据订单ID直接查询订单信息，这时由于没有uid，我们不知道去哪个分库的分表中查询，遍历所有的库的所有表？这显然不行。所以我们需要将分库分表的信息添加到订单ID上，下面是带分库分表信息的订单ID简化结构图：我们在生成的全局订单ID头部添加了分库与分表的信息，这样只根据订单ID，我们也能快速的查询到对应的订单信息。分库分表信息具体包含哪些内容？第一部分有讨论到，我们将订单表按uid维度拆分成了8个数据库，每个数据库10张表，最简单的分库分表信息只需一个长度为2的字符串即可存储，第1位存数据库编号，取值范围1到8，第2位存表编号，取值范围0到9。还是按照第一部分根据uid计算数据库编号和表编号的算法，当uid＝9527时，分库信息＝1，分表信息＝7，将他们进行组合，两位的分库分表信息即为”17”。具体算法流程参见下图：上述使用表编号作为分表信息没有任何问题，但使用数据库编号作为分库信息却存在隐患，考虑未来的扩容需求，我们需要将8库扩容到16库，这时取值范围1到8的分库信息将无法支撑1到16的分库场景，分库路由将无法正确完成，我们将上诉问题简称为分库信息精度丢失。为解决分库信息精度丢失问题，我们需要对分库信息精度进行冗余，即我们现在保存的分库信息要支持以后的扩容。这里我们假设最终我们会扩容到64台数据库，所以新的分库信息算法为：分库信息 = (uid / 10) % 64 + 1当uid＝9527时，根据新的算法，分库信息=57，这里的57并不是真正数据库的编号，它冗余了最后扩展到64台数据库的分库信息精度。我们当前只有8台数据库，实际数据库编号还需根据下面的公式进行计算：实际数据库编号 = (分库信息 - 1) % 8 + 1当uid＝9527时，分库信息＝57，实际数据库编号＝1，分库分表信息=”577”。由于我们选择模64来保存精度冗余后的分库信息，保存分库信息的长度由1变为了2，最后的分库分表信息的长度为3。具体算法流程也可参见下图：如上图所示，在计算分库信息的时候采用了模64的方式冗余了分库信息精度，这样当我们的系统以后需要扩容到16库，32库，64库都不会再有问题。上面的订单ID结构已经能很好的满足我们当前与之后的扩容需求，但考虑到业务的不确定性，我们在订单ID的最前方加了1位用于标识订单ID的版本，这个版本号属于冗余数据，目前并没有用到。下面是最终订单ID简化结构图：Snowflake算法：github.com/twitter/snowflake三、最终一致性到目前为止，我们通过对order表uid维度的分库分表，实现了order表的超高并发写入与更新，并能通过uid和订单ID查询订单信息。但作为一个开放的集团支付系统，我们还需要通过业务线ID（又称商户ID，简称bid）来查询订单信息，所以我们引入了bid维度的order表集群，将uid维度的order表集群冗余一份到bid维度的order表集群中，要根据bid查询订单信息时，只需查bid维度的order表集群即可。上面的方案虽然简单，但保持两个order表集群的数据一致性是一件很麻烦的事情。两个表集群显然是在不同的数据库集群中，如果在写入与更新中引入强一致性的分布式事务，这无疑会大大降低系统效率，增长服务响应时间，这是我们所不能接受的，所以我们引入了消息队列进行异步数据同步，来实现数据的最终一致性。当然消息队列的各种异常也会造成数据不一致，所以我们又引入了实时监控服务，实时计算两个集群的数据差异，并进行一致性同步。下面是简化的一致性同步图：四、数据库高可用没有任何机器或服务能保证在线上稳定运行不出故障。比如某一时间，某一数据库主库宕机，这时我们将不能对该库进行读写操作，线上服务将受到影响。所谓数据库高可用指的是：当数据库由于各种原因出现问题时，能实时或快速的恢复数据库服务并修补数据，从整个集群的角度看，就像没有出任何问题一样。需要注意的是，这里的恢复数据库服务并不一定是指修复原有数据库，也包括将服务切换到另外备用的数据库。数据库高可用的主要工作是数据库恢复与数据修补，一般我们以完成这两项工作的时间长短，作为衡量高可用好坏的标准。这里有一个恶性循环的问题，数据库恢复的时间越长，不一致数据越多，数据修补的时间就会越长，整体修复的时间就会变得更长。所以数据库的快速恢复成了数据库高可用的重中之重，试想一下如果我们能在数据库出故障的1秒之内完成数据库恢复，修复不一致的数据和成本也会大大降低。下图是一个最经典的主从结构：上图中有1台web服务器和3台数据库，其中DB1是主库，DB2和DB3是从库。我们在这里假设web服务器由项目组维护，而数据库服务器由DBA维护。当从库DB2出现问题时，DBA会通知项目组，项目组将DB2从web服务的配置列表中删除，重启web服务器，这样出错的节点DB2将不再被访问，整个数据库服务得到恢复，等DBA修复DB2时，再由项目组将DB2添加到web服务。当主库DB1出现问题时，DBA会将DB2切换为主库，并通知项目组，项目组使用DB2替换原有的主库DB1，重启web服务器，这样web服务将使用新的主库DB2，而DB1将不再被访问，整个数据库服务得到恢复，等DBA修复DB1时，再将DB1作为DB2的从库即可。上面的经典结构有很大的弊病：不管主库或从库出现问题，都需要DBA和项目组协同完成数据库服务恢复，这很难做到自动化，而且恢复工程也过于缓慢。我们认为，数据库运维应该和项目组分开，当数据库出现问题时，应由DBA实现统一恢复，不需要项目组操作服务，这样便于做到自动化，缩短服务恢复时间。先来看从库高可用结构图：如上图所示，web服务器将不再直接连接从库DB2和DB3，而是连接LVS负载均衡，由LVS连接从库。这样做的好处是LVS能自动感知从库是否可用，从库DB2宕机后，LVS将不会把读数据请求再发向DB2。同时DBA需要增减从库节点时，只需独立操作LVS即可，不再需要项目组更新配置文件，重启服务器来配合。再来看主库高可用结构图：如上图所示，web服务器将不再直接连接主库DB1，而是连接KeepAlive虚拟出的一个虚拟ip，再将此虚拟ip映射到主库DB1上，同时添加DB_bak从库，实时同步DB1中的数据。正常情况下web还是在DB1中读写数据，当DB1宕机后，脚本会自动将DB_bak设置成主库，并将虚拟ip映射到DB_bak上，web服务将使用健康的DB_bak作为主库进行读写访问。这样只需几秒的时间，就能完成主数据库服务恢复。组合上面的结构，得到主从高可用结构图：数据库高可用还包含数据修补，由于我们在操作核心数据时，都是先记录日志再执行更新，加上实现了近乎实时的快速恢复数据库服务，所以修补的数据量都不大，一个简单的恢复脚本就能快速完成数据修复。五、数据分级支付系统除了最核心的支付订单表与支付流水表外，还有一些配置信息表和一些用户相关信息表。如果所有的读操作都在数据库上完成，系统性能将大打折扣，所以我们引入了数据分级机制。我们简单的将支付系统的数据划分成了3级：第1级：订单数据和支付流水数据；这两块数据对实时性和精确性要求很高，所以不添加任何缓存，读写操作将直接操作数据库。第2级：用户相关数据；这些数据和用户相关，具有读多写少的特征，所以我们使用redis进行缓存。第3级：支付配置信息；这些数据和用户无关，具有数据量小，频繁读，几乎不修改的特征，所以我们使用本地内存进行缓存。使用本地内存缓存有一个数据同步问题，因为配置信息缓存在内存中，而本地内存无法感知到配置信息在数据库的修改，这样会造成数据库中数据和本地内存中数据不一致的问题。为了解决此问题，我们开发了一个高可用的消息推送平台，当配置信息被修改时，我们可以使用推送平台，给支付系统所有的服务器推送配置文件更新消息，服务器收到消息会自动更新配置信息，并给出成功反馈。六、粗细管道黑客攻击，前端重试等一些原因会造成请求量的暴涨，如果我们的服务被激增的请求给一波打死，想要重新恢复，就是一件非常痛苦和繁琐的过程。举个简单的例子，我们目前订单的处理能力是平均10万下单每秒，峰值14万下单每秒，如果同一秒钟有100万个下单请求进入支付系统，毫无疑问我们的整个支付系统就会崩溃，后续源源不断的请求会让我们的服务集群根本启动不起来，唯一的办法只能是切断所有流量，重启整个集群，再慢慢导入流量。我们在对外的web服务器上加一层“粗细管道”，就能很好的解决上面的问题。下面是粗细管道简单的结构图：请看上面的结构图，http请求在进入web集群前，会先经过一层粗细管道。入口端是粗口，我们设置最大能支持100万请求每秒，多余的请求会被直接抛弃掉。出口端是细口，我们设置给web集群10万请求每秒。剩余的90万请求会在粗细管道中排队，等待web集群处理完老的请求后，才会有新的请求从管道中出来，给web集群处理。这样web集群处理的请求数每秒永远不会超过10万，在这个负载下，集群中的各个服务都会高校运转，整个集群也不会因为暴增的请求而停止服务。如何实现粗细管道？nginx商业版中已经有了支持，相关资料请搜索nginx max_conns，需要注意的是max_conns是活跃连接数，具体设置除了需要确定最大TPS外，还需确定平均响应时间。nginx相关：编辑推荐：架构技术实践系列文章（部分）：在 SegmentFault，学习技能、解决问题
每个月，我们帮助 1000 万的开发者解决各种各样的技术问题。并助力他们在技术能力、职业生涯、影响力上获得提升。
点击阅读原文
我要该，理由是：
关闭理由：
删除理由：
忽略理由：
推广（招聘、广告、SEO 等）方面的内容
与已有问题重复（请编辑该提问指向已有相同问题）
答非所问，不符合答题要求
宜作评论而非答案
带有人身攻击、辱骂、仇恨等违反条款的内容
无法获得确切结果的问题
非开发直接相关的问题
非技术提问的讨论型问题
其他原因（请补充说明）聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统
您当前的位置：
＞ 聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统
聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统
发货地址：
信息编号：
产品价格：面议
商家相关产品：
商家产品分类
“聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统”详细信息
产品规格：
聚合支付系统OEM贴牌定制，聚合支付系统平台，聚合第四方支付系统，无卡支付系统搭建，扫码支付系统通道接入，二维码支付系统搭建，
产品数量：
包装说明：
价格说明：
查看人数：
本页链接：
http://info.b2b168.com/s168-.html
电商，O2O、教育、旅游、直播、医疗、零售、游戏、金融、基金、教育、微交易、贵金属、黄金买卖、白银、彩票供应链金融等全行业众多领域的定制化支付服务方案，网关，公众号，APP，PC端，网页，快捷支付，微信支付，网关支付，支付宝支付，聚合支付系统搭建，无卡支付系统通道搭建平台OEM高端贴牌定制。招全国合作，辽宁，吉林，黑龙江，河北，山西，陕西，山东，安徽，江苏，浙江，河南，湖北，湖南，江西，台湾，福建，云南，海南，四川，贵州，广东，甘肃，青海 ，西藏，新疆，广西，内蒙古，宁夏 北京，天津，上海，重庆，聚合支付系统，扫码无卡系统合作 聚合支付系统开发，搭建，通道租赁
综合支付系统开发，搭建，通道租赁
第四方支付系统开发，搭建，通道租赁
互联网支付系统开发，搭建，通道租赁
移动支付系统开发，搭建，通道租赁 智能支付系统开发，搭建，通道租赁 二维码支付系统开发，搭建，通道租赁预判市场引导客户需求的因果逻辑　　当初，北京第四方支付系统，讲到聚合支付系统架构时，客户往往会说，线上支付方面，支付宝已经“一家独大”，没有对接多家支付方式的需求。随着微信支付的普及，以及银联联合银行推出Apple Pay、Samsung Pay、Huawei Pay、Mi Pay等迎头赶上，事实上，市场便出现了支付聚合的机会。面向如电商、O2O、传统企业转型等所有有在线支付需求的企业用户。公司团队设计了支付云，形成模块，企业不用开发，通过接口从聚合支付平台中，调取服务即可。在移动端支付“碎片化”的前提下，网关聚合、支付聚合大势所趋。同时，对于快速成长的企业用户来说，若集中多种支付方式满足其客户需求，将面临研发、运营与维护等复杂工作，需要投入时间、人力和资金。多种支付方式创造了聚合市场，引导且满足了客户的需求。 聚合支付系统OEM贴牌定制，聚合支付系统平台，聚合第四方支付系统，无卡支付系统搭建，扫码支付系统通道接入，二维码支付系统搭建，电商，O2O、教育、旅游、直播、医疗、零售、游戏、金融、基金、教育、微交易、贵金属、黄金买卖、白银、彩票供应链金融等全行业众多领域的定制化支付服务方案，网关，公众号，APP，PC端，网页，快捷支付，微信支付，网关支付，支付宝支付，聚合支付系统搭建，无卡支付系统通道搭建平台OEM高端贴牌定制。招全国合作，辽宁，吉林，黑龙江，河北，山西，陕西，山东，安徽，江苏，浙江，河南，湖北，湖南，江西，台湾，福建，云南，海南，四川，贵州，广东，甘肃，青海 ，西藏，新疆，第四方支付系统贴牌，广西，内蒙古，宁夏 北京，第四方支付系统开发，天津，上海，重庆，聚合支付系统，扫码无卡系统合作移动支付网在做2016年年终盘点发现，在过去的一年里，来自监管机构的罚单和重磅政策齐飞，“监管趋紧”犹如一阵雾霾笼罩于金融支付领域的上空。尽管如此，2016年仍有令人期待的创新支付模式在风中前行——聚合支付。根据Analysys易观发布的第三方支付移动支付市场季度监测报告，2016年第3季度，中国第三方支付移动支付市场交易规模达90419亿元人民币，环比增长20.5%。其中，支付宝继续领跑；而凭借社交属性财付通（QQ钱包+微信支付）活跃度大增，市场份额稳居第二；百度、京东、拉卡拉等玩家在不同领域也推出各具特色的支付业务。第三方移动支付虽贫富悬殊，各有优势。另一方面，根据央行《2016第三季度支付体系运行总体情况》数据，银行业金融机构移动支付业务66.29亿笔，金额35.33万亿元，第四方支付系统开源，同比分别增长45.97%和94.45%。以工行、建行为代表的银行们在移动支付的江湖里频频亮剑，而银联则欲联合诸银行、第三方支付机构在二维码支付领域再“搞”点事情。与此同时，银行和第三方支付机构也擦出了火花。比如京东+上海银行的闪付下线模式，又比如微众银行将自家的微信支付、友军京东钱包以及银联在线支付、云闪付等等支付方式统一纳入自己的支付体系“WE支付”中去。银联、银行、支付机构之间存在竞争不假，但这种关系并非不可逾越的鸿沟。综上，无论是第三方移动支付还是银行机构移动支付业务都处于快速增长势态。而银联、银行、支付机构等玩家时而各自为战，时而合纵抗秦，形成你中有我、我中有你局面。移动支付这片沃土正处于历史“乱”的时候，也正因如此聚合支付找到了好的土壤。发展：参与角色陆续有来聚合支付，或者称为第四方支付、融合支付。它从事“支付、结算、清算”服务之外的“支付服务”，借助银行、非银机构或清算组织的支付通道与清结算能力，利用自身的技术与服务集成能力，为商户提供支付通道、集合对账、技术对接、会员管理、运行维护等服务。简单来说，聚合支付不进行资金清算，只是根据商户的需求进行个性化定制，提供支付基础上的多种衍生服务。根据服务对象不同，聚合支付可分为线上型和线下型。据不完全统计，目前国内市场出现了30多家聚合支付企业。近年来涉及聚合支付企业的投资始终活跃，支付终将回归服务的声音在2016年显得特别合时宜。因此，除了上述这些熟悉的创业型聚合支付企业外，传统收单代理商、第三方支付机构以及商业银行等角色也正通过各种方式加入聚合支付战局。单纯技术提供+传统银行清算这种模式在聚合支付的后续发展中将占据主流，这一模式在弥补当前支付市场因巨头纷争产生种种不便的同时，也符合日益收紧的监管意志。只从服务收单机构、商户和用户出发，去实现了聚合支付“服务为王”的原始愿望。聚合支付在支付巨头之间的夹缝中生存，也将在夹缝中发展壮大。
聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统由广州添银企业管理有限公司提供。广州添银企业管理有限公司（www.1spaypos.com）为客户提供“进钱无卡扫码,企业支付宝,微信,银联等支付接口系统开发维护,”等业务，公司拥有“移动支付,进钱乐刷,汇卡,瑞银信,瑞刷,秒付,通付,通码”等品牌。专注于软件开发等行业，在广东 广州 有较高知名度。欢迎来电垂询，联系人：黄总。
欢迎来到广州添银企业管理有限公司网站，我公司位于历史悠久，交通发达，经济发达，地理位置优越，对外贸易发达的广州市。 具体地址是广州市天河区珠江新城27，联系人是黄总。
联系电话是020-,联系手机是,主要经营聚合支付OEM支付接口系统开发代运营,全网广告系统代运营。
单位注册资金未知。
“聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统”相关的客户留言
聚合支付系统源代码、聚合支付系统、聚合支付平台(查看)想购买聚合支付系统源代码，咨询一下
<font color="#17-05-12
企业回复:已联系
咨询代理方面的相关事宜
<font color="#17-11-24
企业回复:已联系
我要给“聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统”留言
“聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统”联系方式
广州添银企业管理有限公司
电话：020-
传真：020-
地址：广州市天河区珠江新城27
邮编：510000
网址：http://.cn.b2b168.com/
“聚合支付系统开发、第四方支付系统开源、哈尔滨第四方支付系统”相关产品，你也可查看该供应商更多
粤ICP备号 - Copyright (C) 2004 - .com All Rights Reserved1605人阅读
龙果支付系统是国内首款开源的互联网支付系统，其核心目标是汇聚所有主流支付渠道，打造一款轻量、便捷、易用，且集支付、资金对账、资金清结算于一体的支付系统，满足互联网业务系统的收款和业务资金管理需求。
主要特点：
1. 具备支付系统通用的支付、对账、清算、资金账户管理、支付订单管理等功能；
2. 目前已接通“支付宝即时到账”和“微信扫码支付”通道；
3. 支持直连和间连两种支付模式，任君选择；
4. 通过支付网关，业务系统可以轻松实现统一支付接入；
5. 搭配运营后台，支付数据的监控和管理可以兼得；
6. 配套完善的系统使用文档，可轻松嵌入任何需要支付的场景；
7. 龙果支付系统产品技术团队是一支拥有多年第三方支付系统设计研发经验的团队，会为龙果支付系统持续提供商业级的免费开源技术服务支持。
应用架构：
核心业务流程：
1.支付流程
2.对账流程
3.结算流程
数据表清单：
对账差错表
rp_account_check_mistake
对账批次表
rp_account_check_batch
差错暂存池
rp_account_check_mistake_scratch_pool
rp_trade_payment_order
支付记录表
rp_trade_payment_record
退款记录表
rp_refund_record
通知记录日志表
rp_notify_record_log
通知记录表
rp_notify_record
支付产品表
rp_pay_product
rp_pay_way
支付设置表
rp_user_pay_config
每日待结算汇总
rp_sett_daily_collect
用户信息表
rp_user_info
用户银行账户表
rp_user_bank_account
第三方支付信息表
rp_user_pay_info
rp_sett_record
结算记录附件
rp_sett_record_annex
资金账户流水表
rp_account_history
资金账户表
rp_account
系统结构：
团队介绍：
龙果支付团队由多名长期从事互联网金融项目工作的人员组成，在互联网金融技术、业务等领域有着资深的经验及独特的见解。因共同的理想走在一起，旨在为帮助电商平台解决第三方支付开发问题，并可提供一整套的互联网金融技术解决方案。
在线支付演示：
后台运营管理：
GitHub地址：
开源中国地址：
官方QQ群：，欢迎大家加入，共同探讨互联网金融支付行业业务、技术等。