1. 项目背景与核心需求
在线考试系统作为教育信息化的重要组成部分，正在经历从传统PC端向移动端的迁移浪潮。微信小程序凭借其免安装、跨平台、即用即走的特性，成为在线考试场景的理想载体。这个基于SpringBoot和微信小程序的在线考试管理系统，正是针对当前教育机构、培训机构对移动化考试管理的迫切需求而设计。
从技术架构来看，系统需要同时满足前后端的特殊要求：
- 前端：微信小程序需要处理高并发的考试提交，保证在弱网环境下的数据可靠性
- 后端：SpringBoot要支撑千人级同时在线考试的稳定运行，确保考试过程零差错
- 数据层：MySQL需要优化大容量考生数据的快速读写，特别是考试期间的峰值负载
实际开发中发现，考试系统与普通管理系统的最大区别在于：所有技术选型都必须优先考虑数据一致性和操作原子性，一个简单的交卷操作可能涉及十余张表的关联更新。
2. 技术栈选型与架构设计
2.1 后端技术决策
选择SpringBoot 2.7.x作为后端框架主要基于：
- 自动配置特性简化了与Redis、MySQL等组件的集成
- 内嵌Tomcat支持快速部署和水平扩展
- Actuator端点提供考试期间的实时监控能力
数据库选用MySQL 8.0而非5.7版本，关键考虑：
sql复制-- 考试记录表使用JSON字段存储动态题目结构
CREATE TABLE exam_records (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
user_id VARCHAR(32) NOT NULL,
paper_id BIGINT NOT NULL,
answers JSON NOT NULL, -- 存储考生作答的JSON结构
submit_time DATETIME(3) NOT NULL,
INDEX idx_user (user_id),
INDEX idx_paper (paper_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;
2.2 微信小程序端特殊处理
针对考试场景的优化点：
- 使用wxs实现倒计时组件，减少setData调用频率
- 答题卡采用canvas绘制避免频繁DOM操作
- 本地缓存未提交答案，每隔15秒自动同步到服务端
javascript复制// 考试页面核心逻辑
Page({
data: {
timer: null,
remainingTime: 7200 // 2小时考试时间
},
onLoad() {
this.startTimer()
this.initAnswerCache()
},
startTimer() {
this.data.timer = setInterval(() => {
this.setData({remainingTime: this.data.remainingTime - 1})
if(this.data.remainingTime <= 0) this.autoSubmit()
}, 1000)
},
initAnswerCache() {
const cached = wx.getStorageSync('exam_answers')
if(cached) this.setData({answers: cached})
}
})
3. 核心功能实现细节
3.1 高并发考试提交方案
采用三级提交保障机制：
- 前端：本地存储+定时同步
- 中间层：Redis暂存提交请求
- 持久层：MySQL最终落库
java复制// 交卷服务伪代码
@Transactional
public SubmitResult submitExam(SubmitDTO dto) {
// 1. 检查考试状态
Exam exam = examMapper.selectById(dto.getExamId());
if(exam.getStatus() != ExamStatus.RUNNING) {
throw new IllegalExamStateException();
}
// 2. 防重复提交校验
if(redisTemplate.opsForValue().setIfAbsent(
"exam:submit:"+dto.getUserId(), "1", 5, TimeUnit.MINUTES)) {
// 3. 事务性保存
examRecordMapper.insert(buildRecord(dto));
examStatMapper.updateStatistics(dto);
return SubmitResult.success();
}
return SubmitResult.fail("请勿重复提交");
}
3.2 试卷智能组卷算法
基于遗传算法实现动态组卷：
- 初始化：根据知识点分布生成初始种群
- 适应度计算：评估试卷难度、知识点覆盖等指标
- 选择交叉：保留优质试卷组合进行迭代
java复制// 组卷核心逻辑
public Paper generatePaper(PaperRule rule) {
List<QuestionBank> population = initPopulation(rule);
for(int i=0; i<MAX_GENERATION; i++) {
List<Double> fitnessScores = calculateFitness(population, rule);
population = selection(population, fitnessScores);
population = crossoverAndMutation(population);
}
return selectBestPaper(population);
}
4. 性能优化关键点
4.1 MySQL查询优化实践
针对考试系统的特殊场景优化：
- 考生列表分页：使用延迟关联
sql复制SELECT * FROM users WHERE id IN (
SELECT id FROM users
WHERE exam_id = ?
ORDER BY score DESC
LIMIT 10000, 20
)
- 考试记录归档：采用时间分区表
sql复制CREATE TABLE exam_records_2023 (
...
) PARTITION BY RANGE (YEAR(submit_time)) (
PARTITION p2023 VALUES LESS THAN (2024),
PARTITION pmax VALUES LESS THAN MAXVALUE
);
4.2 Redis缓存策略
设计三级缓存体系：
- 本地缓存：Caffeine缓存静态配置
- 分布式缓存：Redis缓存热点数据
- 持久层：MySQL保证数据最终一致
缓存雪崩防护方案：
java复制@Cacheable(value = "examPapers", key = "#paperId",
unless = "#result == null",
cacheManager = "redisCacheManager")
public ExamPaper getPaperWithCache(Long paperId) {
return paperMapper.selectById(paperId);
}
5. 安全防护措施
5.1 防作弊机制实现
- 题目乱序：服务端动态生成题目序列
java复制Collections.shuffle(questions,
new SecureRandom(SecureRandom.getSeed(20)));
- 切屏检测：小程序监听onHide事件
javascript复制wx.onAppHide(() => {
this.logSuspectAction('APP_HIDE');
});
- 答案加密：AES加密传输作答数据
java复制String encryptAnswer(String answer) {
Cipher cipher = Cipher.getInstance("AES/GCM/NoPadding");
cipher.init(Cipher.ENCRYPT_MODE, key, ivParameterSpec);
return Base64.encode(cipher.doFinal(answer.getBytes()));
}
5.2 接口安全防护
- 签名验证：所有接口必须携带动态签名
- 频率限制：关键接口采用令牌桶算法限流
java复制@RateLimiter(value = 10, key = "#userId")
public ApiResult submitAnswer(AnswerDTO dto) {
// 处理逻辑
}
- 敏感操作二次验证：重要操作需短信确认
6. 部署与监控方案
6.1 容器化部署
采用Docker Compose编排服务：
yaml复制version: '3'
services:
app:
image: exam-system:1.0
ports:
- "8080:8080"
depends_on:
- redis
- mysql
redis:
image: redis:6-alpine
volumes:
- redis_data:/data
mysql:
image: mysql:8.0
environment:
MYSQL_ROOT_PASSWORD: exam@123
volumes:
- mysql_data:/var/lib/mysql
6.2 监控告警配置
- SpringBoot Actuator暴露关键指标
properties复制management.endpoints.web.exposure.include=*
management.endpoint.health.show-details=always
- Prometheus采集JVM指标
yaml复制scrape_configs:
- job_name: 'exam-system'
metrics_path: '/actuator/prometheus'
static_configs:
- targets: ['host:8080']
- Grafana监控看板展示QPS、响应时间等关键指标
7. 典型问题排查实录
7.1 微信小程序缓存污染
现象：考生看到其他考生的题目缓存
根因：小程序storage未按用户隔离
解决：缓存key增加用户标识前缀
javascript复制// 错误写法
wx.setStorageSync('current_exam', data)
// 正确写法
wx.setStorageSync(`exam_${app.globalData.userId}`, data)
7.2 MySQL连接池耗尽
现象：考试高峰期出现"Too many connections"
优化方案：
- 调整连接池参数
properties复制spring.datasource.hikari.maximum-pool-size=50
spring.datasource.hikari.leak-detection-threshold=30000
- 增加连接存活时间检测
- 引入读写分离缓解主库压力
8. 扩展功能设计
8.1 智能阅卷模块
基于规则引擎的自动评分：
java复制// 编程题评分规则示例
rule "Python编程题评分"
when
$answer : Answer(type == "PROGRAMMING",
language == "PYTHON")
then
ScoreResult result = new ScoreResult();
// 静态代码分析
result.add(checkSyntax($answer.getCode()));
// 测试用例验证
result.add(runTestCases($answer));
update(result);
end
8.2 考试数据分析
使用Elasticsearch实现多维分析：
- 考生能力雷达图
- 题目区分度计算
- 考试异常行为检测
java复制// 构建考生画像
public UserPortrait buildPortrait(String userId) {
List<ExamRecord> records = recordMapper.selectByUser(userId);
return portraitBuilder
.withBaseInfo(userService.getById(userId))
.withExamHistory(records)
.withBehaviorAnalysis(recordAnalyzer.analyze(records))
.build();
}
在实现这个系统的过程中，最深刻的体会是：在线考试系统对数据一致性的要求远超普通管理系统。一个交卷操作可能涉及7-8张表的更新，任何环节出错都会导致严重事故。我们最终采用Saga模式实现分布式事务，通过补偿机制保证最终一致性。具体实践中，每个本地事务都记录操作日志，出现异常时根据日志自动触发补偿操作，这种设计在考试系统这种长事务场景中表现出色。