基于Django+企业微信的智能问卷系统开发实践

1. 项目概述

企业微信作为国内主流的企业级通讯平台，其开放API与办公场景的深度整合能力，为内部管理系统开发提供了天然优势。这次我们基于Django+Python技术栈，实现了一套深度对接企业微信的问卷调查系统，解决了传统问卷工具在企业内部使用时的三大痛点：身份验证繁琐、数据孤岛问题以及移动端适配不足。

这套系统最核心的价值在于：员工无需额外注册账号，直接使用企业微信扫码即可完成身份认证并填写问卷；管理员能够基于组织架构精准投放问卷，并实时查看各部门的统计结果。从技术实现来看，我们主要攻克了企业微信OAuth2.0授权、Django ORM动态模型构建、以及问卷逻辑引擎设计三个技术难点。

2. 技术架构设计

2.1 整体架构分层

系统采用经典的三层架构设计：

• 表现层：基于Django模板引擎渲染前端页面，同时提供RESTful API接口供企业微信小程序调用
• 业务逻辑层：包含问卷引擎、权限控制、消息推送等核心模块
• 数据持久层：使用Django ORM操作PostgreSQL数据库，Redis作为缓存和消息队列

特别在数据库设计上，我们采用动态模型方案解决问卷字段不确定性的问题。通过JSONField存储自定义字段，配合Django的ContentTypes框架实现动态关联。

2.2 企业微信集成方案

企业微信接入是本项目的关键环节，主要实现以下功能点：

• 单点登录：通过企业微信OAuth2.0协议实现扫码登录
• 组织架构同步：定期同步部门与成员信息到本地数据库
• 消息通知：通过企业微信应用消息接口发送问卷提醒
• 机器人对接：重要数据变更时通过群机器人通知管理员

授权流程示例代码：

python复制def wecom_oauth(request):
    # 获取企业微信临时code
    code = request.GET.get('code')
    
    # 通过code获取用户身份
    resp = requests.get(
        f"https://qyapi.weixin.qq.com/cgi-bin/user/getuserinfo?code={code}"
        f"&access_token={get_access_token()}"
    )
    userid = resp.json().get('UserId')
    
    # 查询或创建本地用户
    user, created = User.objects.get_or_create(
        wecom_userid=userid,
        defaults={'username': userid}
    )
    login(request, user)

3. 核心功能实现

3.1 动态问卷引擎设计

为支持灵活多变的问卷需求，我们设计了可配置化的问卷引擎：

1. 问题类型库：包含单选、多选、评分、填空等12种基础题型
2. 逻辑跳转：通过条件规则实现"选择A则跳转到第5题"的跳转逻辑
3. 数据验证：前端与后端双重验证机制确保数据有效性

模型定义关键代码：

python复制class Question(models.Model):
    QUESTION_TYPES = (
        ('radio', '单选题'),
        ('checkbox', '多选题'),
        ('text', '填空题'),
        # 其他题型...
    )
    survey = models.ForeignKey('Survey', on_delete=models.CASCADE)
    qtype = models.CharField(max_length=20, choices=QUESTION_TYPES)
    title = models.TextField()
    options = JSONField(default=list)  # 存储选项配置
    required = models.BooleanField(default=True)
    order = models.PositiveIntegerField(default=0)

3.2 权限控制系统

基于企业微信组织架构实现细粒度权限控制：

• 可见范围：问卷可按部门、岗位、职级设置可见性
• 编辑权限：区分问卷创建者、协作者、审核者角色
• 数据隔离：通过Django的get_queryset方法自动过滤数据

权限检查中间件示例：

python复制class SurveyPermissionMiddleware:
    def __init__(self, get_response):
        self.get_response = get_response

    def __call__(self, request):
        survey_id = request.resolver_match.kwargs.get('survey_id')
        if survey_id:
            survey = get_object_or_404(Survey, pk=survey_id)
            if not request.user.has_perm('survey.view_survey', survey):
                raise PermissionDenied
        return self.get_response(request)

4. 性能优化实践

4.1 高并发处理方案

针对问卷提交高峰期的性能瓶颈，我们采取以下措施：

1. 异步任务队列：使用Celery处理耗时操作（如生成统计报表）
2. 数据库读写分离：配置Django多数据库路由
3. 缓存策略：高频访问的问卷模板使用Redis缓存

Celery任务示例：

python复制@app.task(bind=True)
def generate_report(self, survey_id):
    survey = Survey.objects.get(pk=survey_id)
    data = calculate_statistics(survey)  # 复杂统计计算
    report_file = create_excel_report(data)
    send_wecom_message(
        survey.creator.wecom_userid,
        f"问卷《{survey.title}》统计报告已生成",
        attachments=[report_file]
    )

4.2 前端性能优化

针对企业微信移动端的特性优化：

• 懒加载：分页加载问卷列表
• 本地缓存：使用localStorage暂存未提交的问卷草稿
• 预加载：提前加载下一题所需的资源

5. 部署与运维

5.1 生产环境部署

推荐使用Docker-Compose编排服务：

yaml复制version: '3'
services:
  web:
    build: .
    command: gunicorn config.wsgi:application --bind 0.0.0.0:8000
    volumes:
      - static:/app/static
    depends_on:
      - redis
      - db
  redis:
    image: redis:alpine
  db:
    image: postgres:13
    environment:
      POSTGRES_PASSWORD: survey123

5.2 监控与日志

关键监控指标包括：

• 问卷提交成功率
• API响应时间P99值
• 企业微信接口调用频次

使用Prometheus+Grafana搭建监控看板，日志采集采用ELK方案。

6. 踩坑经验分享

6.1 企业微信接口限制

企业微信API的几个重要限制需要特别注意：

1. 获取access_token的接口有频率限制（2000次/小时）
2. 消息推送内容长度不超过2048字节
3. 用户信息同步接口返回的部门列表是平铺结构

我们通过本地缓存access_token和构建部门树状结构解决了这些问题。

6.2 Django ORM优化

在大数据量场景下发现的性能问题及解决方案：

• N+1查询问题：使用select_related和prefetch_related
• 批量操作：用bulk_create替代循环save
• 索引优化：为高频查询字段添加数据库索引

python复制# 错误做法 - 产生N+1查询
for question in survey.questions.all():
    print(question.creator.username)

# 正确做法
questions = survey.questions.select_related('creator').all()

这套系统上线后，相比传统问卷工具，企业内部的问卷回收率提升了60%，平均填写时间缩短了45%。特别是在新员工入职调研、培训效果评估等场景中，与HR系统的深度整合带来了显著效率提升。