传统汽车评价系统中,车评仅限于文章和图片的形式,用户了解一款车的时间成本较大。针对上述问题,论文搭建了一套多维度汽车评价系统,基于用户评价数据库给汽车品牌进行打分定量,让用户直观的了解一款车的好坏,帮助用户更好的做出选买决策。论文的汽车评价系统采用接入层、业务服务层和数据服务层三层设计,并根据微服务架构将系统分为车评生产、车评审核、内容展现和用户管理四个模块进行解耦开发,兼顾系统性能、可靠性、易用性和可扩展性,同时基于Docker技术集开发、测试和监控一体化,进行服务容器化部署,实现企业级的汽车评价系统。Go Micro框架的传统加权算法在高并发场景下容易出现不稳定问题,系统结合应用场景特点,设计了基于服务器容器实时性能数据的动态权值负载均衡算法,提高了系统在高并发场景下的性能。设计了基于层次分析法的多维度汽车评价模型,通过将车评分数的影响因素进行层级划分,根据重要程度设计关系矩阵并计算各影响因素的权重,确定最终线上评分的计算公式,以此来降低刷分等行为对系统带来的负面影响。设计了基于Kafka的异构数据库同步工具,通过订阅My SQL的Binlog日志实现数据在不同数据库之间的近实时同步。系统采用Golang编程语言和Go Micro微服务框架进行系统实现,选用Elasticsearch全文搜索引擎做消费侧数据支撑,Redis进行热点数据缓存,Level DB和Neo4j处理复杂场景下的数据存取。采用Postman和Apache JMeter对系统进行功能和性能测试后,基本满足了用户的预期需求。同时系统也为汽车厂商提供了获取用户反馈和建议的渠道,不断对汽车进行优化升级,从而推动整个汽车行业继续繁荣发展。