🚀 V7 Project - 现代化全栈开发框架

轻量化、极致性能、稳定、可扩展的前后端分离项目

基于 Rust + SolidJS 的现代化开发范式，支持从单服务器到多服务器的完整DevOps自动化部署。

🎯 项目特色

🏗️ 先进架构设计

后端: Rust + FMOD v7架构（Function-first设计、静态分发+泛型）
前端: SolidJS + Web v7架构（切片独立性、Signal-first响应式设计）
DevOps: Podman + GitHub Actions（轻量化容器、自动化部署）

⚡ 极致性能优化

容器镜像: 后端15MB，前端8MB（压缩率90%+）
资源占用: 总内存<1GB，适合轻量级服务器
部署速度: 从代码提交到生产部署<45秒
启动时间: 冷启动<10秒，热启动<3秒

🛡️ 企业级稳定性

零停机部署: 滚动更新，服务不中断
自动故障恢复: 健康检查+自动重启
完整监控: 实时状态监控和告警
数据安全: 自动备份和恢复机制

🚀 快速部署

V7项目采用分层混合部署架构，平衡性能、复杂度和可维护性：

📋 推荐部署架构

🏭 生产环境架构（推荐）：
┌─────────────────────────────────────────────────────────┐
│                     云服务器                              │
│  ┌─────────────────┐  ┌─────────────────┐  ┌──────────┐  │
│  │   Web (容器)     │  │ Backend (容器)   │  │Analytics │  │
│  │   nginx:8080    │  │  gRPC:50053     │  │(systemd) │  │
│  │                 │  │   HTTP:3000     │  │  :50051  │  │
│  └─────────────────┘  └─────────────────┘  └──────────┘  │
└─────────────────────────────────────────────────────────┘

架构优势：

✅ Web+Backend容器化：标准化部署，环境一致性
✅ Analytics systemd部署：极致性能，计算密集型友好
✅ 简化复杂度：避免Rust+Python混合容器化难题
✅ 灵活扩展：Analytics可独立扩展到专用计算服务器

🎯 部署顺序（重要）

1️⃣ Analytics Engine → 2️⃣ Backend → 3️⃣ Web

🏭 生产环境部署（推荐）

🎯 一键部署（推荐）

# 混合架构部署（推荐生产环境）
./scripts/deploy-v7.sh --analytics-systemd --backend-container --web-container

# 分布式部署（企业级）
./scripts/deploy-v7.sh --analytics-remote <ANALYTICS_SERVER_IP> --backend-container --web-container

🔧 手动分步部署

Step 1: Analytics Engine (systemd)

cd analytics-engine
sudo ./scripts/setup-user.sh    # 创建专用用户
./scripts/build.sh              # 构建二进制
sudo -u analytics ./scripts/deploy.sh  # 部署systemd服务

# 验证服务
systemctl status analytics-engine
curl http://localhost:50051/health

Step 2: Backend + Web (容器)

# 设置Analytics Engine连接地址
export ANALYTICS_ENGINE_ADDR="http://localhost:50051"

# 启动Backend和Web容器
podman-compose up -d backend web

# 验证服务
curl http://localhost:3000/health     # Backend HTTP
curl http://localhost:8080/health     # Web

🧪 开发/测试环境

🛠️ 开发模式（最快）

# 终端1: 启动Analytics Engine
cd analytics-engine && ./scripts/run.sh

# 终端2: 启动Backend
cd backend && cargo run

# 终端3: 启动Web开发服务器
cd web && npm run dev

🐳 容器测试环境

# Analytics Engine: 本地运行
cd analytics-engine && ./scripts/run.sh &

# Backend + Web: 容器运行
export ANALYTICS_ENGINE_ADDR="http://host.containers.internal:50051"
podman-compose up -d backend web

🎛️ 部署模式对比

模式	Analytics	Backend	Web	适用场景	复杂度
混合架构	systemd	容器	容器	🏭 生产环境	⭐⭐
完全本地	本地	本地	本地	🛠️ 开发环境	⭐
分布式	远程systemd	容器	容器	🏢 企业级	⭐⭐⭐

🔄 为什么不推荐Analytics Engine容器化？

基于实际部署经验：

❌ 构建复杂：Rust+Python混合容器化困难，600MB镜像体积
❌ 性能损失：计算密集型服务，容器虚拟化开销明显
❌ 运维复杂：systemd已经足够稳定，容器化增加不必要复杂度
✅ systemd优势：10MB静态二进制，3-5ms启动，原生性能

📁 项目结构

v7/
├── backend/                 # Rust后端 (FMOD v7架构)
│   ├── src/slices/         # 业务切片
│   │   └── mvp_crud/       # CRUD示例切片
│   ├── src/infra/          # 基础设施层
│   └── Dockerfile          # 容器构建文件
├── web/                    # SolidJS前端 (Web v7架构)
│   ├── src/slices/         # 前端切片
│   │   └── mvp_crud/       # CRUD示例切片
│   ├── shared/             # 共享基础设施
│   └── Dockerfile          # 容器构建文件
├── docs/                   # 文档
│   ├── devops-complete-guide.md  # 完整部署指南
│   └── quick-reference.md        # 快速参考
├── scripts/                # 自动化脚本
│   ├── deploy.sh           # 部署脚本
│   └── monitoring.sh       # 监控脚本
├── .github/workflows/      # GitHub Actions
└── podman-compose.yml      # 容器编排

🎯 架构原则

后端 (FMOD v7)

Function-first设计: 函数是基本单元，支持内部调用和HTTP访问
静态分发+泛型: 编译时优化，零运行时开销
Clone trait支持: 类型安全的依赖注入

前端 (Web v7)

切片独立性: 零编译时依赖，完全独立开发测试
Signal-first响应式: 细粒度响应式更新
四种解耦通信: 事件驱动、契约接口、信号响应、Provider模式

DevOps

轻量化优先: 最小化资源消耗，最大化性能
自动化驱动: 零人工干预的完整流程
安全第一: 多层安全防护机制

🛠️ 技术栈

后端技术

语言: Rust 1.75+
框架: Axum (高性能异步Web框架)
数据库: SQLite (轻量级，支持扩展到PostgreSQL)
架构: FMOD v7 (Function-first + 静态分发)

前端技术

语言: TypeScript 5.0+
框架: SolidJS (细粒度响应式)
构建工具: Vite (极速构建)
架构: Web v7 (切片独立 + Signal-first)

DevOps技术

容器: Podman (无守护进程，更轻量)
CI/CD: GitHub Actions (免费，强大)
镜像仓库: GitHub Container Registry
监控: 自研轻量级监控脚本

📊 性能指标

资源优化成果

指标	传统方案	V7方案	优化幅度
后端镜像大小	200MB	15MB	92% ↓
前端镜像大小	50MB	8MB	84% ↓
内存使用	1.5GB	0.8GB	47% ↓
部署时间	5分钟	45秒	85% ↓
冷启动时间	30秒	<10秒	67% ↓

性能表现

API响应时间: 平均<100ms
并发支持: 单核支持500+并发连接
系统可用性: 99.9%+正常运行时间
故障恢复: 自动恢复<30秒

🌟 示例功能

MVP CRUD 切片

项目包含一个完整的CRUD示例，展示了V7架构的核心特性：

后端: 完整的增删改查API，遵循FMOD v7架构
前端: 现代化UI界面，支持实时操作反馈
访问地址: http://your-server/slice/mvp_crud

核心功能

✅ 创建、读取、更新、删除操作
✅ 实时数据同步
✅ 响应式UI更新
✅ 错误处理和用户反馈
✅ 移动端适配

🆘 获取帮助

📚 文档资源

完整部署指南 - 从零开始的详细步骤
快速参考 - 常用命令和故障排除
DevOps文档 - 架构概览和技术栈说明

🐛 问题反馈

GitHub Issues - 报告问题和建议
GitHub Discussions - 技术讨论

📞 紧急支持

如果遇到生产环境问题，请：

查看故障排除指南
检查服务器日志：podman logs v7-backend
运行健康检查：./scripts/monitoring.sh

🚧 开发状态

✅ 已完成功能

🔄 开发中功能

多服务器负载均衡
数据库集群化
高级监控和告警
自动扩缩容

📋 规划中功能

Kubernetes支持
多云部署
AI驱动的运维优化
更多业务切片示例

🤝 贡献指南

欢迎贡献代码、文档或建议！

开发流程

Fork 项目
创建功能分支：git checkout -b feature/amazing-feature
提交更改：git commit -m 'Add amazing feature'
推送分支：git push origin feature/amazing-feature
创建 Pull Request

代码规范

后端：遵循 Rust 官方代码规范
前端：遵循 TypeScript + SolidJS 最佳实践
提交信息：使用 Conventional Commits 格式

📄 开源协议

本项目采用 MIT License 开源协议。

🙏 致谢

感谢所有为这个项目做出贡献的开发者和开源社区的支持！

💡 快速提示:

首次部署请阅读完整部署指南
日常运维使用快速参考
遇到问题先查看日志，再参考故障排除指南

🚀 立即开始: git clone https://github.com/helloCplusplus0/v7.git && cd v7

🛠️ 开发工具脚本

本地开发验证脚本

脚本	功能	使用场景	执行时间
`./scripts/local-ci-check.sh`	完整本地CI检查	推送前验证	~3-5分钟
`./scripts/check-config-consistency.sh`	配置一致性检查	配置修改后	~30秒
`./scripts/test-docker-build.sh`	Docker构建测试	Docker文件修改后	~5-10分钟
`./scripts/verify-ci-consistency.sh`	CI配置验证	CI配置修改后	~1分钟

故障排除

如果遇到构建问题，请参考：

📖 Docker构建问题排查指南
🔧 DevOps完整指南

Name		Name	Last commit message	Last commit date
Latest commit History 69 Commits
analytics-engine		analytics-engine
backend		backend
docs		docs
flutterend		flutterend
scripts		scripts
web		web
.gitignore		.gitignore
README.md		README.md
build.conf		build.conf

helloCplusplus0/v7

Folders and files

Latest commit

History

Repository files navigation