近年来,人们的生活质量不断提高,农产品消费结构也发生了一些变化,特别是蔬菜消费占比越来越多。农产品价格的变化,对农业从业人员有很大的影响。因此进行农产品价格预测的相关研究,可以使得农业相关人员掌握前瞻性的信息,及时有效的转变农产品生产和销售思路,避免由于农产品价格异常波动造成的损失。但是我国人多地广,农产品信息不对称,人们无法第一时间准确掌握农产品物价信息和预知在未来一段时间内农产品物价走势,而随着互联网的普及,人们从网络上获取信息也变得方便起来,相关专业人员就开发了能够第一时间了解农产品价格信息和能够对农产品价格进行预测的系统。但大多为单体架构系统,在这种常规的软件设计架构中,存在着许多问题。为了提升农产品价格预测系统的性能,本文以农产品价格预测系统为载体,结合微服务架构对系统进行了构建。本文的主要研究工作如下:（1）基于领域驱动设计的微服务划分。领域驱动设计对系统每个参与者进行用例分析,并使用领域建模方法对系统划分出领域,并对分析和识别每个领域元素,找到每个领域边界,识别出限界上下文,根据识别出的限界上下文将农产品价格预测系统划分为数据获取、数据管理、统计分析以及价格预测四个微服务。（2）价格预测模型的研究。本文主要以蔬菜为例,选取根茎类、茄果类和叶片类三大蔬菜种类的代表性蔬菜以及葱姜蒜的2014年-2019年的数据进行实验,并对实验结果进行分析。其中经验模态分解-极限学习机（EMD-ELM）组合预测模型使用三大类蔬菜进行了实验结果分析,其平均绝对误差分别为0.26、0.08、0.13、0.21、0.05、0.16,平均百分比误差分别为4.59%、2.72%、4.70%、4.79%、3.91%、3.83%,均方根误差分别为0.38、0.10、0.16、0.28、0.06、0.20。且评价指标均比单一ELM和BP神经网络预测模型要好。然后选用Prophet算法模型对葱姜蒜这类无季节性特征的蔬菜进行了价格预测,结果表明其七天的平均绝对误差分别为0.01、0.12、0.23,平均百分比误差分别为0.15%、0.04%、0.10%,均方根误差分别为0.02、0.12、0.24。可以得出Prophet算法模型在对葱姜蒜这类蔬菜进行价格预测时有较好表现。（3）基于Spring Cloud微服务框架的系统构建。本文基于Spring Cloud微服务框架,在预测模型的协同通信方面,将这些模型设计成一个个微服务,利用Rabbit MQ消息中间件来协调组合这些微服务之间的通信,然后将所有的服务调用接口统一接入到API网关中,由网关进行统一的接入和输出。此外还使用了Nacos服务注册中心,Sentinel服务熔断组件,服务分布式追踪及性能监视则采用了Zipkin中间件。持久化数据库采用My SQL,并采用Redis缓存用于存储价格预测的结果,以免后续出现重复计算的情况。最后将构建好的系统部署到Docker容器中,并进行了功能和性能测试,测试结果为,系统所有功能均能正常使用,在性能上也满足相关人员的正常使用需求。本文提出的EMD-ELM预测模型,在根茎、茄果和叶片三类蔬菜中的价格预测效果均比单一预测模型表现要好,能够较好的完成预测任务,而在将微服务架构引入农产品价格预测系统中之后,系统的安全性以及可扩展性相比传统的农产品价格预测系统都有了一定程度上的提高,而且系统的开发和部署效率得到了显著的提升,软件的交付变得更加敏捷,缩短了软件的交付周期。