这类在线考试平台最值得关注的不是功能列表而是能不能在真实考试场景里既保证流程顺畅又有效识别异常行为。很多项目把“防作弊”想得太简单以为就是切屏检测和摄像头监控实际落地时问题往往出在并发压力、数据一致性、异常行为误判和前后端状态同步上。我建议从三个层面来理解这个项目考试流程的稳定性、防作弊策略的有效性和前后端协同的可靠性。它适合两类人一是需要快速搭建一个能用的在线考试系统的开发者二是想了解如何将防作弊逻辑工程化、而非停留在概念层面的技术同学。最关键的价值在于它把考试和防作弊这两个强关联的模块通过一套前后端分离的技术栈整合起来让你能看到从考生登录到交卷、从行为采集到风险判定的完整链路。下面我会按照实际落地的顺序拆解从环境搭建、核心功能实现到防作弊策略集成的全过程。重点不是代码堆砌而是每个环节为什么要这么做以及哪些地方最容易出问题。1. 先明确技术栈选型与项目骨架搭建在动手之前先得把技术栈和项目结构定下来。输入材料里提到了 SpringBoot 和 Vue这是非常经典的前后端分离组合。但光知道这个不够我们需要明确版本、依赖和项目初始化时的关键选择。1.1 后端 SpringBoot 项目初始化与核心依赖我一般会用 SpringBoot 2.7.x 或 3.x 的稳定版本。3.x 版本性能更好但部分旧依赖可能需要调整。对于在线考试系统以下几个依赖是核心Spring Web: 提供 RESTful API 支持。Spring Data JPA / MyBatis-Plus: 操作数据库。JPA 开发快MyBatis-Plus 对复杂 SQL 更灵活。根据团队习惯选。MySQL Driver: 连接 MySQL 数据库。Spring Security或Sa-Token: 处理认证授权。考试系统对权限考生、教师、管理员和会话考试中不能重复登录要求严格。Redis: 用于缓存考试配置、存储临时会话如考试令牌、实现分布式锁防止同一考生多设备答题。WebSocket(如spring-boot-starter-websocket)用于实时推送防作弊警告、考试时间同步、强制交卷等。EasyExcel或Apache POI: 导入导出考生名单、试题库、成绩单。初始化项目时不要一上来就把所有依赖都加上。先用 Spring Initializr 生成一个包含 Web、JPA、MySQL、Redis 的基础项目确保能启动。之后再按需添加其他依赖。一个容易忽略的点是事务管理。SpringBoot 默认使用声明式事务Transactional但要注意在涉及复杂业务逻辑如开始考试扣减次数、提交答案计算分数并记录行为日志时事务的边界要设计好避免长事务或部分失败导致数据不一致。1.2 前端 Vue 项目初始化与工程化配置前端建议使用 Vue 3 TypeScript Vite 的组合开发体验和类型安全更好。如果团队更熟悉 Vue 2也可以用但新项目更推荐 Vue 3。关键依赖和配置路由 (Vue Router): 管理页面跳转如登录页、考试列表页、考试页面、后台管理页。状态管理 (Pinia): 管理全局状态如用户信息、当前考试信息、防作弊客户端状态。UI 框架 (Element Plus / Ant Design Vue): 快速搭建后台管理界面。考试界面为了减少干扰可能更需要自定义样式。Axios: 封装 HTTP 请求必须统一处理请求拦截如添加考试令牌、响应拦截如处理会话过期、考试强制结束。视频流处理: 如果涉及实时监控可能需要用到 WebRTC 或播放器。注意m3u8是一种流媒体播放列表格式通常用于直播或录播回放。在前端可以使用video.js或hls.js库来播放。但这属于监控回放功能实时采集通常用 WebRTC。项目结构要清晰例如src/ ├── api/ # 所有接口请求封装 ├── router/ # 路由配置 ├── stores/ # Pinia store ├── views/ # 页面组件 │ ├── exam/ # 考试相关页面 │ └── admin/ # 管理后台页面 ├── components/# 公共组件 └── utils/ # 工具函数如防作弊客户端初始化、时间格式化1.3 数据库设计与核心表结构规划数据库设计直接关系到系统的性能和扩展性。核心表至少包括用户表 (sys_user): 区分考生、教师、管理员。字段包括基础信息、角色、状态。考试表 (exam): 考试基本信息如标题、描述、开始结束时间、时长、总分、及格分、是否启用防作弊策略等。试题表 (question): 试题库。类型单选、多选、判断、填空、简答、题干、选项、答案、分值、所属题库分类。考试-试题关联表 (exam_question): 一次考试包含哪些试题以及本次考试中该题的分值可能微调。考生考试记录表 (exam_record): 核心业务表。记录考生某次考试的参与情况状态未开始、进行中、已交卷、强制交卷、开始时间、交卷时间、IP地址、所用设备信息、最终得分。考生答案表 (record_answer): 记录考生对每一道题的作答内容、得分客观题系统判主观题教师判。防作弊行为日志表 (cheating_log): 这是防作弊模块的核心。记录疑似作弊行为如切屏次数、面部异常、IP变更、同一时间多端登录等。包含行为类型、发生时间、相关截图或视频片段存储路径、风险等级、是否已处理。注意cheating_log表的数据量可能会快速增长需要考虑分表或定期归档策略。同时截图或视频文件不要直接存数据库应使用对象存储如MinIO、OSS或文件服务器数据库中只存访问路径。2. 核心考试流程的后端实现与关键细节考试流程是主干必须稳定。流程包括考试列表获取 - 开始考试鉴权 - 加载试题 - 实时答题保存 - 交卷判分。2.1 开始考试的接口设计与并发控制考生点击“开始考试”时后端需要做一系列校验和初始化操作这个过程必须是原子性的。校验考试是否在有效期内、考生是否有资格是否被分配、考生是否已考过防止重复考试。生成考试令牌创建一个具有较短过期时间如等于考试时长缓冲时间的 Token后续所有答题请求都需携带此 Token。这个 Token 可以存入 RedisKey 可以是exam:token:{userId}:{examId}。初始化考试记录在exam_record表中插入一条记录状态为“进行中”记录开始时间、客户端 IP、User-Agent 等信息。加载试题根据exam_question关联表取出本次考试的试题并随机打乱题目和选项顺序如果配置了随机。注意不要将正确答案直接返回给前端。返回数据将考试令牌、试题信息不含答案、考试剩余时间返回给前端。这里最大的坑是并发开始考试。如果网络延迟导致考生快速点击两次“开始考试”按钮可能创建两条exam_record。解决方法是在校验逻辑中使用Redis 分布式锁或基于数据库唯一索引用户ID考试ID来防止重复插入。// 伪代码示例开始考试服务方法 Transactional public ExamStartDTO startExam(Long examId, Long userId, HttpServletRequest request) { String lockKey lock:exam:start: userId : examId; // 尝试获取分布式锁设置短时间过期防止死锁 boolean locked redisTemplate.opsForValue().setIfAbsent(lockKey, 1, 30, TimeUnit.SECONDS); if (!locked) { throw new BusinessException(操作过于频繁请稍后再试); } try { // 1. 校验逻辑... // 2. 生成令牌 String token generateExamToken(userId, examId); // 3. 初始化考试记录 (这里数据库应有唯一约束) ExamRecord record new ExamRecord(); record.setUserId(userId); record.setExamId(examId); record.setStatus(ExamStatus.IN_PROGRESS); record.setStartTime(LocalDateTime.now()); record.setClientIp(getClientIp(request)); examRecordRepository.save(record); // 如果重复会抛异常 // 4. 加载并随机化试题... // 5. 组装返回DTO return examStartDTO; } finally { // 释放锁 redisTemplate.delete(lockKey); } }2.2 实时答题保存与自动保存策略考生答题时前端需要定时或触发式将答案同步到后端。这里不能每次敲一个字都请求也不能只等交卷时一次性上传。策略采用“即时保存 定时备份”双保险。即时保存当考生切换到下一题时自动保存当前题目的答案。这能提供流畅的体验。定时备份每30秒或60秒自动将当前所有已答未保存的答案同步到后端。这能防止网络闪断或浏览器崩溃导致数据丢失。接口设计保存答案的接口需要接收考试令牌、题目ID和答案内容。后端需要验证令牌有效性并将答案暂存到 RedisKey 如exam:answer:{recordId}同时异步持久化到数据库的record_answer表。Redis 的过期时间设置为考试时长再加几个小时作为缓冲。数据一致性要处理“同一题多次保存”的问题。可以在后端记录每道题的最后保存时间戳如果收到更旧的答案可以选择忽略。或者前端在发送答案时带上一个本地递增的版本号。2.3 交卷与自动判分逻辑交卷分为主动交卷和超时强制交卷。主动交卷考生点击交卷按钮前端将所有最终答案提交。后端需要验证考试令牌和考试记录状态。遍历答案对客观题单选、多选、判断立即判分。这里注意多选题可能是全对才得分也可能是按比例给分业务规则要明确。更新exam_record的总分、状态为“已交卷”、交卷时间。清除相关的 Redis 键令牌、暂存答案。超时强制交卷更复杂一些。不能只依赖前端计时因为客户端时间可能被篡改。方案一推荐在后端exam_record中记录考试开始时间并计算理论结束时间。用一个独立的定时任务如 Spring Scheduler 或 Quartz扫描所有“进行中”且理论结束时间已到的记录执行强制交卷逻辑。方案二利用 Redis 的过期键通知。在考生开始考试时在 Redis 设置一个 Key过期时间等于考试时长。当 Key 过期时Redis 可以发布一个消息后端监听此消息并处理交卷。但这个方案对 Redis 配置和可靠性要求较高。主观题填空、简答的判分需要教师在后台手动进行。系统应提供一个界面列出所有待批改的主观题答案教师评分后系统再重新计算该考试记录的总分。3. 前端考试页面的核心实现与状态管理考试页面是考生直接交互的界面要求稳定、流畅、防误操作。3.1 考试页面的组件结构与状态流转考试页面通常是一个独立的、全屏或受限的视图。核心组件包括考试头部显示考试名称、倒计时、考生信息。试题区域展示题目题干、选项如果是选择题、答题区域文本框、代码编辑器等。试题导航以题号列表形式显示所有题目并标记当前题、已答题、未答题、标记题。控制区域上一题/下一题按钮、标记本题、交卷按钮。状态管理使用 Pinia// stores/exam-store.ts interface ExamState { examInfo: ExamBaseInfo | null; // 考试基本信息 questionList: QuestionDTO[]; // 试题列表 currentIndex: number; // 当前题号索引 answers: Mapnumber, string; // 答案映射题号 - 答案 markedQuestions: Setnumber; // 标记的题号 timeLeft: number; // 剩余秒数 isSubmitting: boolean; // 是否正在交卷 }倒计时必须使用可靠的时钟源。不能只用setInterval因为 JS 定时器不精确且受页面休眠影响。应该在后端返回考试开始时间和服务端时间前端计算初始差值然后结合requestAnimationFrame或更精确的定时器进行倒计时并定期如每分钟向后端同步一次时间以校准。3.2 答题数据的本地缓存与同步为了防止页面刷新或意外关闭导致答题数据丢失除了向后端同步还需要利用浏览器的本地存储localStorage或sessionStorage做一层保护。保存时机在answersMap 发生变化时即每答一题序列化后存入localStorage。恢复时机页面加载时包括刷新后先检查localStorage中是否有未完成的考试数据如果有则提示用户恢复答题数据。清理时机考试主动交卷或强制交卷成功后清除localStorage中的相关数据。注意localStorage是同源策略且容量有限通常5MB。对于答案文本数据通常够用但如果涉及大量富文本或图片需要注意。同时这只是一个补救措施核心数据必须同步到服务器。3.3 交卷流程的防重复提交与友好提示交卷按钮点击后必须立即禁用并显示加载状态防止网络延迟导致用户重复点击产生重复交卷请求。template button clickhandleSubmit :disabledisSubmitting {{ isSubmitting ? 提交中... : 交卷 }} /button /template script setup import { ref } from vue; import { submitExam } from /api/exam; const isSubmitting ref(false); const handleSubmit async () { if (isSubmitting.value) return; // 二次确认 if (!confirm(确认要交卷吗交卷后不可修改。)) return; isSubmitting.value true; try { await submitExam(/* ...提交数据 */); // 交卷成功跳转到结果页或列表页 } catch (error) { // 处理错误如网络异常提示用户“交卷失败请检查网络后重试” alert(交卷失败 error.message); } finally { isSubmitting.value false; } }; /script4. 防作弊策略的工程化集成与实践防作弊是这类平台的特色也是难点。目标是有效识别异常行为同时避免过度干扰正常考生。4.1 前端行为监控与数据采集前端是行为数据采集的第一线。需要在考试页面加载时初始化一个防作弊监控客户端。监控维度包括页面可见性切屏检测document.addEventListener(visibilitychange, () { if (document.hidden) { // 页面不可见可能切屏了 reportCheatingBehavior(SWITCH_SCREEN, { duration: Date.now() - lastVisibleTime }); } else { lastVisibleTime Date.now(); } });注意浏览器标签页切换、最小化窗口、切换到其他程序都会触发。需要设置合理的阈值比如2秒内切屏超过3次才上报一次风险事件而不是每次切屏都上报避免正常操作如误触产生大量噪音。键盘与鼠标事件监听全局键盘事件检测是否按下了复制CtrlC、粘贴CtrlV、打印CtrlP、F12开发者工具等快捷键。监听鼠标移出考试窗口事件mouseleave但注意这个事件在鼠标移动到浏览器地址栏或书签栏时也会触发需谨慎使用。网络状况与客户端时间定期检测网络是否断开navigator.onLine以及客户端时间是否被大幅修改与服务器时间对比。浏览器窗口大小与分辨率监听resize事件检测窗口是否被调整到非常小可能用于分屏作弊。数据上报采集到的行为数据不应频繁地、实时地发送给后端这样压力太大。应该在前端进行聚合和节流比如每30秒或每收集到5条行为记录打包发送一次到后端专用接口。4.2 实时视频监控与活体检测进阶如果要求更高可以集成实时视频监控。这通常使用 WebRTC 技术。获取媒体流使用navigator.mediaDevices.getUserMedia请求摄像头和麦克风权限。视频流处理将获取的MediaStream显示在一个隐藏的video元素中同时可以定时抓拍使用canvas定时如每10秒从视频中截取一帧转换为图片数据Base64上传到后端用于存档或人工复核。活体检测前端简易版可以尝试通过分析连续帧之间的差异来判断画面中是否有“人脸”使用预训练模型如face-api.js以及人脸是否在移动。但这会消耗前端性能且准确率有限。活体检测服务端版将定时抓拍的图片或视频片段通过 WebSocket 或分段上传发送到后端由后端调用专门的人脸识别/活体检测服务如阿里云、腾讯云的API进行分析。这是更可靠但成本更高的方案。重要提醒开启摄像头必须获得考生的明确授权并清晰告知用途。这是法律和隐私要求。最好在考试开始前有明确的提示和授权按钮。4.3 后端风险识别与处置策略后端接收到前端上报的行为数据后不是简单存储而是要进行风险分析和聚合。风险规则引擎可以配置一系列规则例如规则1: 10分钟内切屏次数 10次风险等级 1。规则2: 检测到开发者工具打开事件风险等级 2。规则3: 客户端时间与服务器时间差超过5分钟风险等级 1。规则4: 同一考生账号从两个差异巨大的IP地址在短时间内登录风险等级 3。实时处置当某个考生的风险等级累计超过阈值如5后端可以通过 WebSocket 向前端发送警告消息甚至强制交卷。// 伪代码风险检查与处置 public void processCheatingEvent(CheatingEvent event) { // 1. 保存日志到 cheating_log // 2. 查询该考生本次考试累计风险值 Integer totalRisk getTotalRisk(event.getUserId(), event.getExamId()); totalRisk calculateRisk(event.getType()); // 3. 更新累计风险值存RedisKey: risk:user:exam // 4. 判断是否超过阈值 if (totalRisk RISK_THRESHOLD) { // 触发处置发送警告或强制交卷 warningService.sendWarning(event.getUserId(), event.getExamId()); // 或者 // examService.forceSubmit(event.getUserId(), event.getExamId(), 检测到多次异常行为); } }事后复核所有疑似作弊行为日志、截图都应提供给管理员一个复核界面。系统可以给出风险建议但最终是否判定为作弊应由人工确认。这避免了误判也提供了申诉依据。5. 后台管理功能与系统可观测性一个完整的平台离不开强大的后台管理用于配置考试、管理试题、监考和复核。5.1 考试与试题管理考试管理CRUD 操作核心是时间配置、防作弊策略开关、考生分配支持按班级、按名单导入。试题管理批量导入支持通过 Excel/Word 模板导入试题这里可以用 EasyExcel 解析。模板设计要合理包含题型、题干、选项、答案、解析、难度、所属知识点等字段。题库与组卷试题应归属于某个题库或知识点分类。组卷可以手动选择也可以根据规则难度、题型、知识点自动抽题。富文本编辑试题题干和选项可能需要支持图片、公式等。可以集成富文本编辑器如wangeditor、Tinymce并将内容以 HTML 或 Markdown 格式存储。5.2 监考与数据统计大屏实时监考列表管理员可以查看所有正在进行的考试列表显示考生姓名、考试名称、已考时间、IP地址、风险等级高亮显示高风险考生。考生视角快照可以定期如每分钟获取考生端截屏需前端配合定时上传在后台形成一个“时光轴”供管理员回看。数据统计考试参与率、平均分、及格率。试题正确率分析找出“难题”或“争议题”。作弊行为类型分布统计。使用图表库如 ECharts进行可视化展示。5.3 日志、监控与告警系统上线后可观测性至关重要。业务日志使用 SLF4J Logback对关键业务节点开始考试、交卷、作弊行为上报、强制交卷记录结构化日志方便追踪。应用监控集成 Spring Boot Actuator暴露健康检查、指标如请求耗时、数据库连接池状态端点。使用 Prometheus Grafana 进行监控和告警。错误告警对未处理的异常、接口频繁超时、数据库连接失败等情况应通过邮件、钉钉/企业微信机器人等方式及时通知开发或运维人员。6. 部署、压测与常见问题排查6.1 前后端分离部署后端打包成 Jar 包使用java -jar运行或使用 Docker 容器化部署。关键配置数据库连接、Redis地址、文件存储路径通过外部配置文件或环境变量注入。前端运行npm run build生成静态文件dist目录。可以将这些文件放到 Nginx 或 Apache 等 Web 服务器下或者放到 Spring Boot 项目的static目录中不推荐不利于独立部署和缓存策略。跨域问题开发环境可以在前端配置代理。生产环境如果前后端域名不同需要在后端使用CrossOrigin注解或配置全局的CorsFilter并严格设置允许的源Origin、方法Method和头Headers。6.2 压力测试关注点考试系统很可能面临瞬时高并发所有考生同时开始考试或交卷。压测场景登录与开始考试模拟大量用户同时获取考试列表并点击“开始考试”。频繁保存答案模拟用户定时保存答案的请求。集中交卷模拟考试时间结束时大量用户同时交卷。关注指标接口响应时间P95, P99。系统吞吐量QPS。数据库连接池是否耗尽。Redis内存和 CPU 使用率。应用服务器的线程池状态。优化方向数据库慢查询优化为exam_record,cheating_log等表建立合适索引。引入消息队列如 RabbitMQ, Kafka异步处理非实时任务如行为日志的最终入库、成绩统计计算。对静态资源如试题中的图片使用 CDN 加速。Redis 缓存热点数据如考试配置、考生信息。6.3 常见问题排查清单当系统出现问题时按以下顺序排查考生无法开始考试检查考试时间是否在有效期内。检查该考生是否被分配了此次考试exam_record是否已存在。查看后端日志是否有并发锁等待超时的异常。检查 Redis 服务是否正常分布式锁是否生效。答题数据丢失检查前端网络请求是否成功浏览器开发者工具 Network 面板。检查后端保存答案的接口逻辑是否因为事务回滚导致未保存。查看 Redis 中暂存的答案是否过期。检查localStorage中是否有备份数据。防作弊误报率高检查前端行为上报的阈值设置是否过严如切屏检测太敏感。查看cheating_log表分析误报行为的共同特征。确认考生端环境如学校机房电脑的屏保、电源管理是否会触发页面可见性变化。考虑加入“允许一次误操作”的缓冲机制或让管理员在复核界面能快速批量标记为“误报”。视频监控无法启动检查浏览器是否支持getUserMediaAPIHTTPS 环境下才可用。检查考生是否拒绝了摄像头权限。检查后端用于接收视频片段的接口带宽和存储空间是否充足。系统在考试高峰期变慢或崩溃查看服务器监控CPU、内存、磁盘IO、网络带宽。检查数据库监控活跃连接数、慢查询日志。检查应用日志是否有大量异常或线程阻塞。回顾压测报告看当前流量是否远超压测范围。这个项目真正的挑战不在于实现单个功能而在于如何让考试流程、防作弊监控、数据一致性在真实的、并发的、可能不稳定的网络环境下协同工作。我的建议是先确保核心考试流程开始-答题-交卷在高并发下稳定无误再逐步集成防作弊功能并且每一项防作弊策略都要有对应的开关和灵敏度调整参数方便根据实际使用情况做校准。最后完善的日志和后台复核功能是避免技术误判、保障考试公平性的重要安全网。 
长河君 · 2026/8/10 5:56:43 · 阅读 1.2k 在线考试系统实战：SpringBoot+Vue3防作弊与高并发架构设计
这类在线考试平台最值得关注的不是功能列表而是能不能在真实考试场景里既保证流程顺畅又有效识别异常行为。很多项目把“防作弊”想得太简单以为就是切屏检测和摄像头监控实际落地时问题往往出在并发压力、数据一致性、异常行为误判和前后端状态同步上。我建议从三个层面来理解这个项目考试流程的稳定性、防作弊策略的有效性和前后端协同的可靠性。它适合两类人一是需要快速搭建一个能用的在线考试系统的开发者二是想了解如何将防作弊逻辑工程化、而非停留在概念层面的技术同学。最关键的价值在于它把考试和防作弊这两个强关联的模块通过一套前后端分离的技术栈整合起来让你能看到从考生登录到交卷、从行为采集到风险判定的完整链路。下面我会按照实际落地的顺序拆解从环境搭建、核心功能实现到防作弊策略集成的全过程。重点不是代码堆砌而是每个环节为什么要这么做以及哪些地方最容易出问题。1. 先明确技术栈选型与项目骨架搭建在动手之前先得把技术栈和项目结构定下来。输入材料里提到了 SpringBoot 和 Vue这是非常经典的前后端分离组合。但光知道这个不够我们需要明确版本、依赖和项目初始化时的关键选择。1.1 后端 SpringBoot 项目初始化与核心依赖我一般会用 SpringBoot 2.7.x 或 3.x 的稳定版本。3.x 版本性能更好但部分旧依赖可能需要调整。对于在线考试系统以下几个依赖是核心Spring Web: 提供 RESTful API 支持。Spring Data JPA / MyBatis-Plus: 操作数据库。JPA 开发快MyBatis-Plus 对复杂 SQL 更灵活。根据团队习惯选。MySQL Driver: 连接 MySQL 数据库。Spring Security或Sa-Token: 处理认证授权。考试系统对权限考生、教师、管理员和会话考试中不能重复登录要求严格。Redis: 用于缓存考试配置、存储临时会话如考试令牌、实现分布式锁防止同一考生多设备答题。WebSocket(如spring-boot-starter-websocket)用于实时推送防作弊警告、考试时间同步、强制交卷等。EasyExcel或Apache POI: 导入导出考生名单、试题库、成绩单。初始化项目时不要一上来就把所有依赖都加上。先用 Spring Initializr 生成一个包含 Web、JPA、MySQL、Redis 的基础项目确保能启动。之后再按需添加其他依赖。一个容易忽略的点是事务管理。SpringBoot 默认使用声明式事务Transactional但要注意在涉及复杂业务逻辑如开始考试扣减次数、提交答案计算分数并记录行为日志时事务的边界要设计好避免长事务或部分失败导致数据不一致。1.2 前端 Vue 项目初始化与工程化配置前端建议使用 Vue 3 TypeScript Vite 的组合开发体验和类型安全更好。如果团队更熟悉 Vue 2也可以用但新项目更推荐 Vue 3。关键依赖和配置路由 (Vue Router): 管理页面跳转如登录页、考试列表页、考试页面、后台管理页。状态管理 (Pinia): 管理全局状态如用户信息、当前考试信息、防作弊客户端状态。UI 框架 (Element Plus / Ant Design Vue): 快速搭建后台管理界面。考试界面为了减少干扰可能更需要自定义样式。Axios: 封装 HTTP 请求必须统一处理请求拦截如添加考试令牌、响应拦截如处理会话过期、考试强制结束。视频流处理: 如果涉及实时监控可能需要用到 WebRTC 或播放器。注意m3u8是一种流媒体播放列表格式通常用于直播或录播回放。在前端可以使用video.js或hls.js库来播放。但这属于监控回放功能实时采集通常用 WebRTC。项目结构要清晰例如src/ ├── api/ # 所有接口请求封装 ├── router/ # 路由配置 ├── stores/ # Pinia store ├── views/ # 页面组件 │ ├── exam/ # 考试相关页面 │ └── admin/ # 管理后台页面 ├── components/# 公共组件 └── utils/ # 工具函数如防作弊客户端初始化、时间格式化1.3 数据库设计与核心表结构规划数据库设计直接关系到系统的性能和扩展性。核心表至少包括用户表 (sys_user): 区分考生、教师、管理员。字段包括基础信息、角色、状态。考试表 (exam): 考试基本信息如标题、描述、开始结束时间、时长、总分、及格分、是否启用防作弊策略等。试题表 (question): 试题库。类型单选、多选、判断、填空、简答、题干、选项、答案、分值、所属题库分类。考试-试题关联表 (exam_question): 一次考试包含哪些试题以及本次考试中该题的分值可能微调。考生考试记录表 (exam_record): 核心业务表。记录考生某次考试的参与情况状态未开始、进行中、已交卷、强制交卷、开始时间、交卷时间、IP地址、所用设备信息、最终得分。考生答案表 (record_answer): 记录考生对每一道题的作答内容、得分客观题系统判主观题教师判。防作弊行为日志表 (cheating_log): 这是防作弊模块的核心。记录疑似作弊行为如切屏次数、面部异常、IP变更、同一时间多端登录等。包含行为类型、发生时间、相关截图或视频片段存储路径、风险等级、是否已处理。注意cheating_log表的数据量可能会快速增长需要考虑分表或定期归档策略。同时截图或视频文件不要直接存数据库应使用对象存储如MinIO、OSS或文件服务器数据库中只存访问路径。2. 核心考试流程的后端实现与关键细节考试流程是主干必须稳定。流程包括考试列表获取 - 开始考试鉴权 - 加载试题 - 实时答题保存 - 交卷判分。2.1 开始考试的接口设计与并发控制考生点击“开始考试”时后端需要做一系列校验和初始化操作这个过程必须是原子性的。校验考试是否在有效期内、考生是否有资格是否被分配、考生是否已考过防止重复考试。生成考试令牌创建一个具有较短过期时间如等于考试时长缓冲时间的 Token后续所有答题请求都需携带此 Token。这个 Token 可以存入 RedisKey 可以是exam:token:{userId}:{examId}。初始化考试记录在exam_record表中插入一条记录状态为“进行中”记录开始时间、客户端 IP、User-Agent 等信息。加载试题根据exam_question关联表取出本次考试的试题并随机打乱题目和选项顺序如果配置了随机。注意不要将正确答案直接返回给前端。返回数据将考试令牌、试题信息不含答案、考试剩余时间返回给前端。这里最大的坑是并发开始考试。如果网络延迟导致考生快速点击两次“开始考试”按钮可能创建两条exam_record。解决方法是在校验逻辑中使用Redis 分布式锁或基于数据库唯一索引用户ID考试ID来防止重复插入。// 伪代码示例开始考试服务方法 Transactional public ExamStartDTO startExam(Long examId, Long userId, HttpServletRequest request) { String lockKey lock:exam:start: userId : examId; // 尝试获取分布式锁设置短时间过期防止死锁 boolean locked redisTemplate.opsForValue().setIfAbsent(lockKey, 1, 30, TimeUnit.SECONDS); if (!locked) { throw new BusinessException(操作过于频繁请稍后再试); } try { // 1. 校验逻辑... // 2. 生成令牌 String token generateExamToken(userId, examId); // 3. 初始化考试记录 (这里数据库应有唯一约束) ExamRecord record new ExamRecord(); record.setUserId(userId); record.setExamId(examId); record.setStatus(ExamStatus.IN_PROGRESS); record.setStartTime(LocalDateTime.now()); record.setClientIp(getClientIp(request)); examRecordRepository.save(record); // 如果重复会抛异常 // 4. 加载并随机化试题... // 5. 组装返回DTO return examStartDTO; } finally { // 释放锁 redisTemplate.delete(lockKey); } }2.2 实时答题保存与自动保存策略考生答题时前端需要定时或触发式将答案同步到后端。这里不能每次敲一个字都请求也不能只等交卷时一次性上传。策略采用“即时保存 定时备份”双保险。即时保存当考生切换到下一题时自动保存当前题目的答案。这能提供流畅的体验。定时备份每30秒或60秒自动将当前所有已答未保存的答案同步到后端。这能防止网络闪断或浏览器崩溃导致数据丢失。接口设计保存答案的接口需要接收考试令牌、题目ID和答案内容。后端需要验证令牌有效性并将答案暂存到 RedisKey 如exam:answer:{recordId}同时异步持久化到数据库的record_answer表。Redis 的过期时间设置为考试时长再加几个小时作为缓冲。数据一致性要处理“同一题多次保存”的问题。可以在后端记录每道题的最后保存时间戳如果收到更旧的答案可以选择忽略。或者前端在发送答案时带上一个本地递增的版本号。2.3 交卷与自动判分逻辑交卷分为主动交卷和超时强制交卷。主动交卷考生点击交卷按钮前端将所有最终答案提交。后端需要验证考试令牌和考试记录状态。遍历答案对客观题单选、多选、判断立即判分。这里注意多选题可能是全对才得分也可能是按比例给分业务规则要明确。更新exam_record的总分、状态为“已交卷”、交卷时间。清除相关的 Redis 键令牌、暂存答案。超时强制交卷更复杂一些。不能只依赖前端计时因为客户端时间可能被篡改。方案一推荐在后端exam_record中记录考试开始时间并计算理论结束时间。用一个独立的定时任务如 Spring Scheduler 或 Quartz扫描所有“进行中”且理论结束时间已到的记录执行强制交卷逻辑。方案二利用 Redis 的过期键通知。在考生开始考试时在 Redis 设置一个 Key过期时间等于考试时长。当 Key 过期时Redis 可以发布一个消息后端监听此消息并处理交卷。但这个方案对 Redis 配置和可靠性要求较高。主观题填空、简答的判分需要教师在后台手动进行。系统应提供一个界面列出所有待批改的主观题答案教师评分后系统再重新计算该考试记录的总分。3. 前端考试页面的核心实现与状态管理考试页面是考生直接交互的界面要求稳定、流畅、防误操作。3.1 考试页面的组件结构与状态流转考试页面通常是一个独立的、全屏或受限的视图。核心组件包括考试头部显示考试名称、倒计时、考生信息。试题区域展示题目题干、选项如果是选择题、答题区域文本框、代码编辑器等。试题导航以题号列表形式显示所有题目并标记当前题、已答题、未答题、标记题。控制区域上一题/下一题按钮、标记本题、交卷按钮。状态管理使用 Pinia// stores/exam-store.ts interface ExamState { examInfo: ExamBaseInfo | null; // 考试基本信息 questionList: QuestionDTO[]; // 试题列表 currentIndex: number; // 当前题号索引 answers: Mapnumber, string; // 答案映射题号 - 答案 markedQuestions: Setnumber; // 标记的题号 timeLeft: number; // 剩余秒数 isSubmitting: boolean; // 是否正在交卷 }倒计时必须使用可靠的时钟源。不能只用setInterval因为 JS 定时器不精确且受页面休眠影响。应该在后端返回考试开始时间和服务端时间前端计算初始差值然后结合requestAnimationFrame或更精确的定时器进行倒计时并定期如每分钟向后端同步一次时间以校准。3.2 答题数据的本地缓存与同步为了防止页面刷新或意外关闭导致答题数据丢失除了向后端同步还需要利用浏览器的本地存储localStorage或sessionStorage做一层保护。保存时机在answersMap 发生变化时即每答一题序列化后存入localStorage。恢复时机页面加载时包括刷新后先检查localStorage中是否有未完成的考试数据如果有则提示用户恢复答题数据。清理时机考试主动交卷或强制交卷成功后清除localStorage中的相关数据。注意localStorage是同源策略且容量有限通常5MB。对于答案文本数据通常够用但如果涉及大量富文本或图片需要注意。同时这只是一个补救措施核心数据必须同步到服务器。3.3 交卷流程的防重复提交与友好提示交卷按钮点击后必须立即禁用并显示加载状态防止网络延迟导致用户重复点击产生重复交卷请求。template button clickhandleSubmit :disabledisSubmitting {{ isSubmitting ? 提交中... : 交卷 }} /button /template script setup import { ref } from vue; import { submitExam } from /api/exam; const isSubmitting ref(false); const handleSubmit async () { if (isSubmitting.value) return; // 二次确认 if (!confirm(确认要交卷吗交卷后不可修改。)) return; isSubmitting.value true; try { await submitExam(/* ...提交数据 */); // 交卷成功跳转到结果页或列表页 } catch (error) { // 处理错误如网络异常提示用户“交卷失败请检查网络后重试” alert(交卷失败 error.message); } finally { isSubmitting.value false; } }; /script4. 防作弊策略的工程化集成与实践防作弊是这类平台的特色也是难点。目标是有效识别异常行为同时避免过度干扰正常考生。4.1 前端行为监控与数据采集前端是行为数据采集的第一线。需要在考试页面加载时初始化一个防作弊监控客户端。监控维度包括页面可见性切屏检测document.addEventListener(visibilitychange, () { if (document.hidden) { // 页面不可见可能切屏了 reportCheatingBehavior(SWITCH_SCREEN, { duration: Date.now() - lastVisibleTime }); } else { lastVisibleTime Date.now(); } });注意浏览器标签页切换、最小化窗口、切换到其他程序都会触发。需要设置合理的阈值比如2秒内切屏超过3次才上报一次风险事件而不是每次切屏都上报避免正常操作如误触产生大量噪音。键盘与鼠标事件监听全局键盘事件检测是否按下了复制CtrlC、粘贴CtrlV、打印CtrlP、F12开发者工具等快捷键。监听鼠标移出考试窗口事件mouseleave但注意这个事件在鼠标移动到浏览器地址栏或书签栏时也会触发需谨慎使用。网络状况与客户端时间定期检测网络是否断开navigator.onLine以及客户端时间是否被大幅修改与服务器时间对比。浏览器窗口大小与分辨率监听resize事件检测窗口是否被调整到非常小可能用于分屏作弊。数据上报采集到的行为数据不应频繁地、实时地发送给后端这样压力太大。应该在前端进行聚合和节流比如每30秒或每收集到5条行为记录打包发送一次到后端专用接口。4.2 实时视频监控与活体检测进阶如果要求更高可以集成实时视频监控。这通常使用 WebRTC 技术。获取媒体流使用navigator.mediaDevices.getUserMedia请求摄像头和麦克风权限。视频流处理将获取的MediaStream显示在一个隐藏的video元素中同时可以定时抓拍使用canvas定时如每10秒从视频中截取一帧转换为图片数据Base64上传到后端用于存档或人工复核。活体检测前端简易版可以尝试通过分析连续帧之间的差异来判断画面中是否有“人脸”使用预训练模型如face-api.js以及人脸是否在移动。但这会消耗前端性能且准确率有限。活体检测服务端版将定时抓拍的图片或视频片段通过 WebSocket 或分段上传发送到后端由后端调用专门的人脸识别/活体检测服务如阿里云、腾讯云的API进行分析。这是更可靠但成本更高的方案。重要提醒开启摄像头必须获得考生的明确授权并清晰告知用途。这是法律和隐私要求。最好在考试开始前有明确的提示和授权按钮。4.3 后端风险识别与处置策略后端接收到前端上报的行为数据后不是简单存储而是要进行风险分析和聚合。风险规则引擎可以配置一系列规则例如规则1: 10分钟内切屏次数 10次风险等级 1。规则2: 检测到开发者工具打开事件风险等级 2。规则3: 客户端时间与服务器时间差超过5分钟风险等级 1。规则4: 同一考生账号从两个差异巨大的IP地址在短时间内登录风险等级 3。实时处置当某个考生的风险等级累计超过阈值如5后端可以通过 WebSocket 向前端发送警告消息甚至强制交卷。// 伪代码风险检查与处置 public void processCheatingEvent(CheatingEvent event) { // 1. 保存日志到 cheating_log // 2. 查询该考生本次考试累计风险值 Integer totalRisk getTotalRisk(event.getUserId(), event.getExamId()); totalRisk calculateRisk(event.getType()); // 3. 更新累计风险值存RedisKey: risk:user:exam // 4. 判断是否超过阈值 if (totalRisk RISK_THRESHOLD) { // 触发处置发送警告或强制交卷 warningService.sendWarning(event.getUserId(), event.getExamId()); // 或者 // examService.forceSubmit(event.getUserId(), event.getExamId(), 检测到多次异常行为); } }事后复核所有疑似作弊行为日志、截图都应提供给管理员一个复核界面。系统可以给出风险建议但最终是否判定为作弊应由人工确认。这避免了误判也提供了申诉依据。5. 后台管理功能与系统可观测性一个完整的平台离不开强大的后台管理用于配置考试、管理试题、监考和复核。5.1 考试与试题管理考试管理CRUD 操作核心是时间配置、防作弊策略开关、考生分配支持按班级、按名单导入。试题管理批量导入支持通过 Excel/Word 模板导入试题这里可以用 EasyExcel 解析。模板设计要合理包含题型、题干、选项、答案、解析、难度、所属知识点等字段。题库与组卷试题应归属于某个题库或知识点分类。组卷可以手动选择也可以根据规则难度、题型、知识点自动抽题。富文本编辑试题题干和选项可能需要支持图片、公式等。可以集成富文本编辑器如wangeditor、Tinymce并将内容以 HTML 或 Markdown 格式存储。5.2 监考与数据统计大屏实时监考列表管理员可以查看所有正在进行的考试列表显示考生姓名、考试名称、已考时间、IP地址、风险等级高亮显示高风险考生。考生视角快照可以定期如每分钟获取考生端截屏需前端配合定时上传在后台形成一个“时光轴”供管理员回看。数据统计考试参与率、平均分、及格率。试题正确率分析找出“难题”或“争议题”。作弊行为类型分布统计。使用图表库如 ECharts进行可视化展示。5.3 日志、监控与告警系统上线后可观测性至关重要。业务日志使用 SLF4J Logback对关键业务节点开始考试、交卷、作弊行为上报、强制交卷记录结构化日志方便追踪。应用监控集成 Spring Boot Actuator暴露健康检查、指标如请求耗时、数据库连接池状态端点。使用 Prometheus Grafana 进行监控和告警。错误告警对未处理的异常、接口频繁超时、数据库连接失败等情况应通过邮件、钉钉/企业微信机器人等方式及时通知开发或运维人员。6. 部署、压测与常见问题排查6.1 前后端分离部署后端打包成 Jar 包使用java -jar运行或使用 Docker 容器化部署。关键配置数据库连接、Redis地址、文件存储路径通过外部配置文件或环境变量注入。前端运行npm run build生成静态文件dist目录。可以将这些文件放到 Nginx 或 Apache 等 Web 服务器下或者放到 Spring Boot 项目的static目录中不推荐不利于独立部署和缓存策略。跨域问题开发环境可以在前端配置代理。生产环境如果前后端域名不同需要在后端使用CrossOrigin注解或配置全局的CorsFilter并严格设置允许的源Origin、方法Method和头Headers。6.2 压力测试关注点考试系统很可能面临瞬时高并发所有考生同时开始考试或交卷。压测场景登录与开始考试模拟大量用户同时获取考试列表并点击“开始考试”。频繁保存答案模拟用户定时保存答案的请求。集中交卷模拟考试时间结束时大量用户同时交卷。关注指标接口响应时间P95, P99。系统吞吐量QPS。数据库连接池是否耗尽。Redis内存和 CPU 使用率。应用服务器的线程池状态。优化方向数据库慢查询优化为exam_record,cheating_log等表建立合适索引。引入消息队列如 RabbitMQ, Kafka异步处理非实时任务如行为日志的最终入库、成绩统计计算。对静态资源如试题中的图片使用 CDN 加速。Redis 缓存热点数据如考试配置、考生信息。6.3 常见问题排查清单当系统出现问题时按以下顺序排查考生无法开始考试检查考试时间是否在有效期内。检查该考生是否被分配了此次考试exam_record是否已存在。查看后端日志是否有并发锁等待超时的异常。检查 Redis 服务是否正常分布式锁是否生效。答题数据丢失检查前端网络请求是否成功浏览器开发者工具 Network 面板。检查后端保存答案的接口逻辑是否因为事务回滚导致未保存。查看 Redis 中暂存的答案是否过期。检查localStorage中是否有备份数据。防作弊误报率高检查前端行为上报的阈值设置是否过严如切屏检测太敏感。查看cheating_log表分析误报行为的共同特征。确认考生端环境如学校机房电脑的屏保、电源管理是否会触发页面可见性变化。考虑加入“允许一次误操作”的缓冲机制或让管理员在复核界面能快速批量标记为“误报”。视频监控无法启动检查浏览器是否支持getUserMediaAPIHTTPS 环境下才可用。检查考生是否拒绝了摄像头权限。检查后端用于接收视频片段的接口带宽和存储空间是否充足。系统在考试高峰期变慢或崩溃查看服务器监控CPU、内存、磁盘IO、网络带宽。检查数据库监控活跃连接数、慢查询日志。检查应用日志是否有大量异常或线程阻塞。回顾压测报告看当前流量是否远超压测范围。这个项目真正的挑战不在于实现单个功能而在于如何让考试流程、防作弊监控、数据一致性在真实的、并发的、可能不稳定的网络环境下协同工作。我的建议是先确保核心考试流程开始-答题-交卷在高并发下稳定无误再逐步集成防作弊功能并且每一项防作弊策略都要有对应的开关和灵敏度调整参数方便根据实际使用情况做校准。最后完善的日志和后台复核功能是避免技术误判、保障考试公平性的重要安全网。