今忱1. 校园竞赛管理系统的技术选型与架构设计
在大学校园里，各类学科竞赛、创新创业比赛层出不穷，传统的人工管理方式已经难以应对报名信息混乱、作品提交不及时、评审流程不透明等问题。这正是我们选择SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0这套技术栈来构建竞赛管理系统的原因。
1.1 后端技术栈深度解析
SpringBoot2作为后端框架的核心选择，其自动配置特性让我们能快速搭建起稳定的RESTful API服务。在实际开发中，我们特别利用了它的这些优势：
- 内嵌Tomcat服务器简化部署
- Starter依赖一键集成常用组件
- Actuator端点提供系统健康监控
- 与MyBatis-Plus的无缝整合
MyBatis-Plus 3.5.2版本的选择经过了严格测试，它的Lambda表达式查询构建器让我们的DAO层代码量减少了40%以上。例如处理参赛团队分页查询时：
java复制public Page<TeamVO> queryTeamPage(TeamQueryDTO queryDTO) {
return lambdaQuery()
.eq(StrUtil.isNotBlank(queryDTO.getContestId()), Team::getContestId, queryDTO.getContestId())
.like(StrUtil.isNotBlank(queryDTO.getTeamName()), Team::getTeamName, queryDTO.getTeamName())
.page(new Page<>(queryDTO.getPageNum(), queryDTO.getPageSize()));
}
1.2 前端架构演进思考
Vue3的组合式API彻底改变了我们构建复杂前端页面的方式。在评审打分模块中，我们利用setup语法糖实现了高度复用的评分逻辑：
javascript复制const useScoring = (contestId) => {
const criteria = ref([]);
const scores = reactive({});
const loadCriteria = async () => {
criteria.value = await getCriteriaList(contestId);
criteria.value.forEach(item => {
scores[item.id] = { value: 0, comment: '' };
});
};
return { criteria, scores, loadCriteria };
};
这种架构使得评审页面的代码量比Vue2选项式API减少了35%，同时类型推断更加明确。
1.3 数据库设计的实战考量
MySQL8.0的窗口函数让我们实现了复杂的排行榜统计功能。以下是参赛团队得分排名的SQL示例：
sql复制SELECT
team_id,
team_name,
AVG(score) AS avg_score,
RANK() OVER (ORDER BY AVG(score) DESC) AS rank
FROM competition_scores
WHERE contest_id = ?
GROUP BY team_id, team_name;
我们特别利用了MySQL8.0的JSON字段类型来存储动态扩展的竞赛属性，比如：
sql复制ALTER TABLE contests ADD COLUMN dynamic_properties JSON;
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. 核心功能模块实现细节
2.1 多阶段竞赛流程引擎
校园竞赛通常包含报名、初赛、复赛、决赛等多个阶段。我们设计的状态机引擎通过枚举+策略模式实现：
java复制public enum ContestStage {
REGISTRATION {
@Override
public void handleAction(ContestContext context) {
// 报名阶段特殊逻辑
}
},
PRELIMINARY {
@Override
public void handleAction(ContestContext context) {
// 初赛评审逻辑
}
};
public abstract void handleAction(ContestContext context);
}
每个阶段关联特定的权限控制和界面展示，通过注解实现动态鉴权：
java复制@PreAuthorize("@contestPhaseService.checkPhase(#contestId, 'SUBMISSION')")
@PostMapping("/submit")
public Result submitWork(@PathVariable String contestId, @RequestBody SubmissionDTO dto) {
// 作品提交逻辑
}
2.2 评审系统的分布式锁设计
当多位评委同时评审同一作品时，我们采用Redisson实现的分布式锁来避免分数覆盖：
java复制public void saveEvaluation(EvaluationDTO dto) {
RLock lock = redissonClient.getLock("eval_lock:" + dto.getSubmissionId());
try {
if (lock.tryLock(5, 10, TimeUnit.SECONDS)) {
// 核心评分逻辑
evaluationService.saveEvaluation(dto);
}
} finally {
lock.unlock();
}
}
2.3 文件上传的实践方案
作品提交支持多种文件类型，我们通过抽象存储接口实现灵活扩展：
java复制public interface StorageService {
String upload(InputStream inputStream, String fileName);
default String getUrl(String fileKey) {
// 默认URL生成逻辑
}
}
@Service
@ConditionalOnProperty(name = "storage.type", havingValue = "minio")
public class MinioStorageServiceImpl implements StorageService {
// MinIO具体实现
}
前端采用分片上传提升大文件传输可靠性：
javascript复制const uploadChunk = async (file, chunkIndex) => {
const chunkSize = 5 * 1024 * 1024;
const start = chunkIndex * chunkSize;
const chunk = file.slice(start, start + chunkSize);
const formData = new FormData();
formData.append('chunk', chunk);
formData.append('chunkIndex', chunkIndex);
formData.append('totalChunks', Math.ceil(file.size / chunkSize));
return await axios.post('/api/upload/chunk', formData);
};
3. 性能优化关键策略
3.1 缓存体系的层级设计
我们建立了三级缓存体系应对高并发访问：
- 本地Caffeine缓存：存储高频访问的竞赛基础信息
- Redis集群：缓存排行榜等全局数据
- MySQL8.0缓冲池优化
特别针对热点数据采用了缓存预热策略：
java复制@Scheduled(cron = "0 0 6 * * ?")
public void preheatCache() {
List<String> hotContestIds = contestMapper.selectHotContestIds();
hotContestIds.forEach(id -> {
cacheManager.getCache("contestCache").put(id, contestService.getContestDetail(id));
});
}
3.2 数据库查询的深度优化
MyBatis-Plus的查询优化主要从这几个方面入手：
- 动态索引选择策略
- 批处理插入优化
- N+1问题解决方案
例如团队作品关联查询的优化：
xml复制<select id="selectTeamWithWorks" resultMap="teamWithWorksMap">
SELECT t.*, w.id as work_id, w.work_name
FROM teams t
LEFT JOIN works w ON t.id = w.team_id
WHERE t.contest_id = #{contestId}
</select>
配合MySQL的复合索引：
sql复制CREATE INDEX idx_contest_team ON teams(contest_id, status);
CREATE INDEX idx_team_work ON works(team_id, submit_time);
4. 安全防护体系构建
4.1 认证授权的精细化控制
基于Spring Security的权限系统扩展了竞赛角色维度：
java复制public enum ContestRole {
CONTEST_ADMIN,
JUDGE,
PARTICIPANT,
OBSERVER
}
@PreAuthorize("hasRole('JUDGE') and @contestPermission.check(#contestId)")
@GetMapping("/evaluations")
public Page<EvaluationVO> getEvaluations(@PathVariable String contestId, Pageable pageable) {
// 获取评审列表
}
4.2 敏感数据的加密处理
对身份证号等PII信息采用AES加密存储：
java复制@ColumnEncrypt(algorithm = Algorithm.AES, key = "${encrypt.aes-key}")
private String idNumber;
评审意见等文本内容实现字段级脱敏：
java复制@SensitiveField(type = SensitiveType.REMARK)
private String judgeComment;
4.3 审计日志的全链路追踪
通过MDC实现请求链路追踪：
java复制@Around("execution(* com..controller.*.*(..))")
public Object logAround(ProceedingJoinPoint joinPoint) throws Throwable {
MDC.put("traceId", UUID.randomUUID().toString());
try {
return joinPoint.proceed();
} finally {
MDC.clear();
}
}
日志入库采用异步批量写入策略，避免影响主业务流程性能。
5. 部署与监控实践
5.1 容器化部署方案
Docker Compose编排文件关键配置：
yaml复制services:
app:
image: contest-system:${TAG}
deploy:
resources:
limits:
cpus: '2'
memory: 2G
healthcheck:
test: ["CMD", "curl", "-f", "http://localhost:8080/actuator/health"]
interval: 30s
timeout: 10s
retries: 3
5.2 监控告警体系
Prometheus的监控指标配置示例：
yaml复制- pattern: '/api/contest/<.*>'
name: 'contest_api_requests'
labels:
method: '$1'
status: '$2'
Grafana看板重点关注：
- API响应时间P99
- 数据库连接池使用率
- JVM内存压力
- 文件上传成功率
5.3 压力测试数据
使用JMeter模拟的典型场景数据：
- 报名高峰期：500并发用户持续5分钟
- 评审阶段：300评委同时提交评分
- 结果公布时：2000+用户实时刷新排行榜
对应的优化措施：
- 报名队列削峰
- 评审结果批量提交
- 排行榜缓存预生成
这套系统在实际校园应用中经受住了校赛200+团队、500+作品的考验，峰值QPS达到1200。最大的收获是认识到技术选型需要平衡先进性与团队技术储备，过度追求新技术反而会增加维护成本。特别是在Vue3和SpringBoot的整合过程中，类型系统的统一花费了我们不少精力，但最终带来的开发体验提升非常值得。