1. 项目背景与需求分析
在大学计算机教育中，编程能力的培养一直是核心难点。传统教学模式存在几个突出问题：学生练习缺乏即时反馈、教师难以掌握每个学生的学习进度、优质学习资源分散。这正是我们设计这套系统的初衷。
我去年参与某高校计算机系教学改革时发现，约67%的学生在课后编程练习中遇到问题后，平均需要等待2-3天才能获得教师反馈。这种延迟直接导致学习效率低下，而SpringBoot的快速开发特性正好能解决这个问题。
2. 技术架构设计
2.1 整体技术栈选型
系统采用经典的三层架构，前端使用Vue3+Element Plus实现响应式界面，后端基于SpringBoot 2.7.x构建。特别说明几个关键选型决策：
- 放弃传统的SpringMVC而选择SpringBoot，主要考虑其"约定优于配置"的特性。在初期快速迭代阶段，这让我们节省了约40%的配置时间。
- 数据库选用MySQL 8.0而非NoSQL方案，因为学习系统中的作业提交、成绩记录等数据具有强一致性需求。
- 集成Redis作为缓存层，特别针对频繁访问的代码模板、常见错误解决方案等数据。
2.2 核心模块划分
系统包含6个核心模块：
- 用户管理：采用RBAC模型，区分学生、教师、管理员三种角色
- 课程管理：支持树状知识图谱展示
- 代码评测：核心功能模块，集成Docker安全沙箱
- 学习分析：使用ECharts实现可视化
- 讨论区：基于WebSocket的实时交流
- 资源中心：集成PDFBox处理教学文档
3. 关键实现细节
3.1 自动化代码评测系统
这是最具挑战性的部分。我们采用Docker+JPlag的方案：
java复制// 代码评测核心逻辑示例
@PostMapping("/evaluate")
public ResponseEntity<EvaluationResult> evaluateCode(
@RequestBody Submission submission) {
// 1. 创建临时目录存储代码文件
Path tempDir = Files.createTempDirectory("eval-");
// 2. 写入用户代码
Files.write(tempDir.resolve("Solution.java"),
submission.getCode().getBytes());
// 3. 启动Docker容器运行测试
DockerClient docker = DefaultDockerClient.fromEnv().build();
String containerId = docker.createContainer(
Config.builder()
.image("openjdk:11")
.cmd("javac", "Solution.java", "&&", "java", "Solution")
.build())
.id();
// 4. 获取执行结果
String logs = docker.logs(containerId,
LogsParam.stdout(), LogsParam.stderr()).readFully();
// 5. 清理资源
docker.removeContainer(containerId);
FileUtils.deleteDirectory(tempDir.toFile());
return ResponseEntity.ok(new EvaluationResult(logs));
}
重要提示：实际生产环境需要添加超时控制、资源限制等安全措施，防止恶意代码消耗服务器资源。
3.2 学习进度可视化
使用SpringBoot Actuator暴露关键指标，结合自定义指标：
java复制@RestController
public class ProgressController {
@Autowired
private MeterRegistry registry;
@GetMapping("/exercise/{id}")
public String getExercise(@PathVariable Long id) {
// 记录学习行为
registry.counter("learning.activity",
"exerciseId", id.toString(),
"userId", SecurityContext.getCurrentUserId())
.increment();
return exerciseService.getContent(id);
}
}
前端通过ECharts展示个人学习轨迹与班级对比，帮助师生快速定位薄弱环节。
4. 开发中的典型问题与解决方案
4.1 并发提交处理
初期直接使用MySQL存储代码提交记录，在高并发场景下出现性能瓶颈。最终解决方案：
- 引入Redis作为写入缓冲
- 使用Kafka异步处理评测任务
- 数据库分表存储历史记录
优化前后对比：
| 指标 | 优化前 | 优化后 |
|---|---|---|
| 峰值TPS | 12 | 210 |
| 平均延迟(ms) | 1500 | 230 |
| CPU使用率 | 85% | 35% |
4.2 安全防护措施
针对常见的教学系统安全问题，我们实施了多重防护：
- 代码沙箱：所有用户代码在Docker容器中运行，设置CPU、内存限制
- 防抄袭检测：集成JPlag算法，相似度超过70%的作业自动标记
- 接口防护：关键API添加速率限制（使用Guava RateLimiter）
java复制@Configuration
public class SecurityConfig extends WebSecurityConfigurerAdapter {
@Override
protected void configure(HttpSecurity http) throws Exception {
http.authorizeRequests()
.antMatchers("/api/submit").access(
"@rateLimiter.tryAcquire(#request.getRemoteAddr())")
.antMatchers("/admin/**").hasRole("ADMIN")
.anyRequest().authenticated()
.and()
.csrf().disable(); // 前后端分离项目可禁用CSRF
}
}
5. 部署与运维实践
5.1 多环境配置管理
使用SpringBoot的Profile特性管理不同环境配置：
yaml复制# application-dev.yml
spring:
datasource:
url: jdbc:mysql://localhost:3306/learn_dev
username: devuser
password: devpass
# application-prod.yml
spring:
datasource:
url: jdbc:mysql://cluster-prod:3306/learn_prod
username: ${DB_USER}
password: ${DB_PASS}
redis:
cluster:
nodes: redis-node1:6379,redis-node2:6379
启动时通过--spring.profiles.active=prod指定环境。
5.2 性能调优经验
通过JMeter压测发现的几个关键优化点：
- 启用HikariCP连接池（默认配置在并发100+时会出现等待）
- 添加Spring Cache注解减少数据库访问
- 调整Tomcat线程池参数（特别是maxThreads和acceptCount）
properties复制# application.properties优化片段
server.tomcat.max-threads=200
server.tomcat.accept-count=50
spring.datasource.hikari.maximum-pool-size=20
spring.cache.type=redis
6. 扩展与演进方向
目前系统已在3所高校试点运行，收集到几个有价值的改进需求：
- 智能推荐：基于历史数据推荐适合当前水平的练习题
- 错题本：自动收集错误提交，形成个性化复习资料
- AI辅助：集成代码静态分析工具，给出更详细的错误修正建议
在技术架构上，我们正在评估引入Kubernetes实现自动扩缩容，以应对学期初的高峰访问。同时考虑使用GraalVM将部分核心服务编译为原生镜像，进一步降低资源消耗。