在线判题系统（OJ）基础架构设计与实现-代码聚汇网

在线判题系统（OJ）基础架构设计与实现

在线判题系统OJ系统架构Docker隔离

|难度：普通|阅读约 19 分钟

1. 项目背景与需求分析

"DHUOJ 基础 1 2 4"这个看似简单的标题，实际上隐藏着一个完整的在线判题系统（Online Judge）的基础架构设计。作为东华大学（DHU）计算机专业的学生项目，它涵盖了在线编程评测平台最核心的三个基础模块：用户管理（1）、题目管理（2）和评测机管理（4）。

在线判题系统是计算机教育中不可或缺的工具，它能够自动编译、运行用户提交的代码，并根据预设的测试用例验证程序的正确性。对于计算机专业的学生而言，理解OJ系统的底层原理不仅有助于更好地使用这类平台，更是提升系统设计能力的绝佳实践。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 系统架构设计

2.1 整体架构概述

一个基础的OJ系统通常采用三层架构：

前端展示层：负责用户交互界面
业务逻辑层：处理核心业务逻辑
数据存储层：管理各类数据持久化

在"DHUOJ 基础 1 2 4"项目中，我们重点关注的是业务逻辑层的三个核心模块：

用户管理模块（1）：负责用户注册、登录、权限控制等
题目管理模块（2）：负责题目的增删改查、测试用例管理等
评测机模块（4）：负责代码的编译、运行和结果判定

2.2 技术选型考量

对于学生项目而言，技术选型需要平衡学习成本和实用性。以下是推荐的技术栈：

后端：Python Django/Flask 或 Java Spring Boot
前端：Vue.js/React + Element UI/Ant Design
数据库：MySQL/PostgreSQL
评测机：Docker容器隔离 + 多语言编译器支持

选择这些技术的主要原因是：

学习资源丰富，社区支持完善
开发效率高，适合快速原型开发
扩展性强，便于后续功能迭代

3. 用户管理模块实现

3.1 用户模型设计

用户是OJ系统中最基础的实体，其核心属性包括：

用户名（唯一标识）
密码（需加密存储）
邮箱（用于找回密码）
用户角色（普通用户/管理员）
注册时间
最后登录时间

在Django中，用户模型可以这样定义：

python复制from django.contrib.auth.models import AbstractUser

class User(AbstractUser):
    avatar = models.ImageField(upload_to='avatars/', null=True, blank=True)
    school = models.CharField(max_length=100, blank=True)
    solved_problems = models.ManyToManyField('Problem', through='UserProblemStatus')
    
    def __str__(self):
        return self.username

3.2 认证与授权

安全的认证系统是OJ的核心需求之一。我们需要实现：

密码加密存储（使用PBKDF2或bcrypt）
Session/Cookie管理
CSRF防护
权限控制（基于角色的访问控制）

一个简单的权限检查中间件示例：

python复制from django.http import HttpResponseForbidden

class AdminRequiredMiddleware:
    def __init__(self, get_response):
        self.get_response = get_response
        
    def __call__(self, request):
        if request.path.startswith('/admin/') and not request.user.is_staff:
            return HttpResponseForbidden()
        return self.get_response(request)

4. 题目管理模块实现

4.1 题目数据结构

一道编程题目通常包含以下信息：

题目ID（唯一标识）
标题
描述（Markdown格式）
输入输出说明
时间/内存限制
测试用例（输入/输出对）
难度等级
标签分类

数据库模型示例：

python复制class Problem(models.Model):
    DIFFICULTY_CHOICES = [
        ('E', '简单'),
        ('M', '中等'),
        ('H', '困难'),
    ]
    
    title = models.CharField(max_length=200)
    description = models.TextField()
    input_description = models.TextField()
    output_description = models.TextField()
    time_limit = models.IntegerField(help_text="ms")  # 毫秒
    memory_limit = models.IntegerField(help_text="MB")  # 兆字节
    difficulty = models.CharField(max_length=1, choices=DIFFICULTY_CHOICES)
    created_at = models.DateTimeField(auto_now_add=True)
    updated_at = models.DateTimeField(auto_now=True)
    
    def __str__(self):
        return f"{self.title} ({self.get_difficulty_display()})"

4.2 测试用例管理

测试用例是评判用户代码正确性的关键，需要特别注意：

输入输出文件的存储（建议使用单独的文件系统或对象存储）
测试用例的保密性（防止用户直接获取答案）
多样化的测试场景覆盖

测试用例模型示例：

python复制class TestCase(models.Model):
    problem = models.ForeignKey(Problem, on_delete=models.CASCADE)
    input = models.TextField()
    output = models.TextField()
    is_sample = models.BooleanField(default=False)
    order = models.IntegerField()
    
    class Meta:
        ordering = ['order']
    
    def __str__(self):
        return f"TestCase {self.order} for {self.problem.title}"

5. 评测机模块实现

5.1 评测流程设计

评测机是OJ系统中最复杂的部分，主要流程包括：

接收用户提交
准备评测环境（Docker容器）
编译代码（如果需要）
运行程序并注入测试用例
收集输出并与预期结果比对
生成评测结果

评测状态机示例：

python复制class JudgeStatus:
    PENDING = 'PD'
    COMPILING = 'CP'
    RUNNING = 'RN'
    ACCEPTED = 'AC'
    WRONG_ANSWER = 'WA'
    TIME_LIMIT_EXCEEDED = 'TLE'
    MEMORY_LIMIT_EXCEEDED = 'MLE'
    RUNTIME_ERROR = 'RE'
    COMPILE_ERROR = 'CE'
    SYSTEM_ERROR = 'SE'
    
    CHOICES = [
        (PENDING, '等待中'),
        (COMPILING, '编译中'),
        (RUNNING, '运行中'),
        (ACCEPTED, '答案正确'),
        (WRONG_ANSWER, '答案错误'),
        (TIME_LIMIT_EXCEEDED, '时间超限'),
        (MEMORY_LIMIT_EXCEEDED, '内存超限'),
        (RUNTIME_ERROR, '运行时错误'),
        (COMPILE_ERROR, '编译错误'),
        (SYSTEM_ERROR, '系统错误'),
    ]

5.2 Docker安全隔离

使用Docker进行代码运行隔离时需要注意：

限制容器资源（CPU、内存、进程数等）
禁用危险系统调用
设置合理的超时时间
防止容器逃逸

一个基本的Docker运行配置示例：

python复制import docker

client = docker.from_env()

def run_in_docker(code, input_data, timeout=5):
    container = client.containers.run(
        'python:3.9-slim',
        command=f'python -c "{code}"',
        stdin_open=True,
        mem_limit='128m',
        pids_limit=50,
        network_mode='none',
        remove=True,
        detach=True
    )
    
    try:
        container.put_archive('/input.txt', input_data.encode())
        result = container.wait(timeout=timeout)
        output = container.logs(stdout=True, stderr=False)
        errors = container.logs(stdout=False, stderr=True)
        
        return {
            'exit_code': result['StatusCode'],
            'output': output.decode().strip(),
            'error': errors.decode().strip()
        }
    except Exception as e:
        return {'error': str(e)}
    finally:
        container.stop()

6. 系统集成与测试

6.1 API接口设计

RESTful API是前后端分离架构的关键。以下是核心API示例：

用户相关：
- POST /api/auth/register - 用户注册
- POST /api/auth/login - 用户登录
- GET /api/users/me - 获取当前用户信息
题目相关：
- GET /api/problems - 题目列表
- GET /api/problems/{id} - 题目详情
- POST /api/problems - 创建题目（管理员）
提交相关：
- POST /api/submissions - 提交代码
- GET /api/submissions/{id} - 获取提交结果

6.2 压力测试要点

在开发完成后，需要进行以下测试：

并发提交测试（模拟考试场景）
恶意代码注入测试
长时间运行稳定性测试
资源泄漏检查

使用Locust进行压力测试的示例：

python复制from locust import HttpUser, task, between

class OJUser(HttpUser):
    wait_time = between(1, 5)
    
    @task
    def submit_code(self):
        self.client.post("/api/submissions", json={
            "problem_id": 1,
            "language": "python",
            "code": "print(sum(map(int, input().split())))"
        })
    
    @task(3)
    def view_problem(self):
        self.client.get("/api/problems/1")

7. 项目部署与维护

7.1 生产环境部署

对于实际使用的OJ系统，建议采用以下部署方案：

Web服务器：Nginx + Gunicorn/Uvicorn
数据库：PostgreSQL with connection pooling
缓存：Redis for session storage
消息队列：RabbitMQ/Celery for judge tasks
监控：Prometheus + Grafana

Docker-compose示例配置：

yaml复制version: '3'

services:
  web:
    build: .
    command: gunicorn dhuoj.wsgi:application --bind 0.0.0.0:8000
    volumes:
      - .:/code
    ports:
      - "8000:8000"
    depends_on:
      - redis
      - db

  db:
    image: postgres:13
    environment:
      POSTGRES_PASSWORD: dhuoj123
    volumes:
      - postgres_data:/var/lib/postgresql/data

  redis:
    image: redis:6

  judge:
    build: .
    command: celery -A dhuoj worker -l info -Q judge
    volumes:
      - .:/code
    depends_on:
      - redis
      - db

volumes:
  postgres_data:

7.2 常见问题排查

在实际运行中可能会遇到以下问题：

评测结果不一致：
- 检查测试用例的换行符是否统一
- 验证浮点数比较的精度设置
- 确认时间/内存限制的单位是否正确
性能瓶颈：
- 数据库查询优化（添加索引）
- 评测任务队列管理
- 缓存频繁访问的数据
安全问题：
- 定期更新依赖库
- 检查容器隔离配置
- 监控异常提交行为

在开发这个项目的过程中，我发现最容易被忽视的是评测机的资源限制设置。初期我们经常遇到因为内存限制设置不当导致的误判，后来通过添加详细的运行日志和资源监控，才逐步完善了评测的准确性。另一个经验是测试用例的设计 - 不仅要考虑正常的输入情况，还要特别注意边界条件和极端情况，这能大大提高题目质量。