JudgeMesh

JudgeMesh 是一个面向课程实践与答辩展示的分布式在线判题系统。系统以 Online Judge 业务为载体，覆盖用户认证、题目管理、代码提交、异步判题、比赛排行榜、可观测性和故障恢复等场景，用于展示高并发、高性能、高可用的分布式系统设计与实现。

项目概览

系统采用前后端分离与微服务架构：

• 前端使用 React，提供题目、提交、比赛、排行榜和账户工作台。
• 后端使用 Spring Cloud Gateway 作为统一入口，负责 JWT 校验、路由和限流。
• user-service 负责用户注册登录、RBAC 权限和账户信息。
• problem-service 负责题目、标签、测试用例 manifest 和对象存储元数据。
• submit-service 负责提交记录、判题状态机、比赛报名、排行榜和 WebSocket 推送。
• judge-dispatcher 负责消费 RabbitMQ 判题任务、选择 worker、处理超时重试和故障节点黑名单。
• judge-worker 负责 C/C++/Java/Python 代码编译运行、输出比对和判题结果回写。
• Redis 支撑排行榜与热点读缓存，MySQL 保存核心业务数据，MinIO 保存测试用例文件。
• etcd 用于 dispatcher 选主，Prometheus、Grafana、SkyWalking、Loki 用于可观测性建设。

核心能力

• 多角色使用：游客、学生、出题人、管理员。
• 题目管理：题目创建、编辑、发布、标签维护和测试用例上传。
• 异步判题：提交先落库并进入消息队列，判题任务由 dispatcher 派发到 worker 池。
• 多语言执行：支持 C、C++、Java、Python 的编译运行与结果判定。
• 判题状态：覆盖 AC、WA、TLE、MLE、RE、CE、SE 等常见结果。
• 比赛与排行：支持比赛报名、实时排行榜、封榜和全局榜单。
• 分布式特性：RabbitMQ 削峰填谷、worker 池负载分担、etcd leader 选主、故障 worker 自动跳过与任务重派。
• 可观测性：通过指标、链路追踪、日志和 Grafana 大盘观察 QPS、延迟、AC 率和 worker 水位。

仓库结构

路径	说明
frontend/	React 前端应用
services/	Gateway、用户、题目、提交、调度器和 worker 等服务
infra/	Kubernetes、Helm、本地中间件和基础设施配置
migrations/	数据库迁移脚本
scripts/	数据导入、演示、压测和文档生成脚本
tests/	测试资源与测试脚本
docs/design/	需求、架构、服务拆分、数据模型、判题流水线、测试策略等设计文档
docs/dev/	本地联调、云部署、测试数据和接口对接文档
submit/	课程提交与答辩相关材料

交付文档

项目根目录下放置了最终提交用 PDF：

文档	位置
软件需求说明书	JudgeMesh 分布式在线判题系统-软件需求说明书.pdf
概要设计说明书	JudgeMesh 分布式在线判题系统-概要设计说明书.pdf
测试分析报告	JudgeMesh 分布式在线判题系统-测试分析报告.pdf
汇报 PPT	JudgeMesh 分布式在线判题系统-汇报PPT.pdf

docs/ 目录下同时保留了可编辑版本和导出版本：

文档	DOCX	PDF
软件需求说明书	docs/软件需求说明书.docx	docs/软件需求说明书.pdf
概要设计说明书	docs/概要设计说明书.docx	docs/概要设计说明书.pdf
测试分析报告	docs/测试分析报告.docx	docs/测试分析报告.pdf

测试结论摘要

最终测试报告基于项目测试策略、测试数据文档和汇报 PPT 中的测试结果整理。核心结果包括：

• 提交接口同步阶段 P99 为 156 ms，满足 P99 < 200 ms 目标。
• 分布式端到端判题 P99 为 6418 ms，满足 P99 < 8 s 目标。
• 单 worker 故障恢复场景 P99 为 6895 ms，30 次请求全部 AC。
• 排行榜查询 P99 为 43 ms，题目详情查询 P99 为 87 ms。
• 关键压测与演示场景错误率为 0%，验证了 RabbitMQ 异步削峰、worker 负载分担、Redis 缓存和故障重分发方案的有效性。