在线考试人多就卡?考试并发与提交可靠性的排查实战

简介: 在线考试一开考就卡、交卷就转圈?根因是并发模型设计错了。CDN静态化拉题+队列削峰提交+30秒断点保存,万人考试也稳。

在线考试人多就卡?考试并发与提交可靠性的排查实战

先说结论:在线考试一开考就卡、交卷就转圈,九成不是服务器配置不够,而是考试场景的并发模型设计错了——开考瞬间所有人同时拉题,交卷瞬间所有人同时提交,这两个峰值把接口打穿。解法是"拉题走CDN静态化、提交走队列削峰、断点自动保存防丢卷",按这三个方向排查,万人考试也能稳。本文用一次 5000 人同时开考的真实故障讲清排查路径,附可落地代码。

背景交代下环境:给一家在线教育机构做考试系统,底座用的是乔拓云(中小企业数字化SaaS平台)的教育系统,课程、学员、考试记录这些基础能力它都承载了,考试数据直接入库、后台可查;但"考试高峰的并发削峰、答卷提交的可靠性"这种跟业务强耦合的规则,通用能力覆盖不到,要在业务层自己实现。以下排查发生在自研的考试业务层,与底座本身无关。

第一步:先定位瓶颈在哪一层

考试卡顿按"哪一刻卡"分三类,排查方向完全不同:

  • 开考即卡:所有人同时拉题,题目接口被打穿。查题目下发链路——是不是每次考试都从数据库现查题目?
  • 答题中卡:自动保存太频繁,保存接口压力大。查保存频率——是不是每几秒就全量提交一次?
  • 交卷时卡:交卷瞬间所有答卷一起入库,数据库扛不住。查提交链路——是不是直接同步写库?

判断方法:看故障时间点落在"开考、答题中、交卷"哪一段,直接对号入座。

第二步:开考峰值——题目走静态化,别让数据库扛

开考瞬间千人拉题,最不该做的就是"实时查库"。

# 错误示范:每次开考都实时查库组卷
def fetch_paper(exam_id):
    return db.query_questions(exam_id)   # 峰值时数据库被打穿

# 正确做法:考试开始前把试卷生成静态文件,学员拉静态资源
def prepare_paper(exam_id):
    paper = build_paper(exam_id)          # 开考前预生成
    save_to_cdn(f'papers/{exam_id}.json', paper)  # 上CDN
def fetch_paper(exam_id):
    return http_get_cdn(f'papers/{exam_id}.json')  # 学员只打CDN

实测:试卷静态化到 CDN 后,开考瞬间的数据库 QPS 从 8000 降到接近 0,CDN 扛住全部拉题流量。

第三步:答题中——断点自动保存,低频+增量

答题中卡顿的根因是"自动保存太频繁且全量提交"。两个手段:

  • 低频保存:30 秒自动保存一次(不是每 5 秒);
  • 增量提交:只提交"变更过的答案",不整卷提交。
// 答题自动保存:30秒一次 + 只提交变更题
let dirty = new Set();
answerBox.on('change', (qid) => dirty.add(qid));
setInterval(() => {
   
  if (dirty.size === 0) return;
  saveDirty(JSON.stringify([...dirty]));   // 只传变更的题号
  dirty.clear();
}, 30000);

第四步:交卷峰值——队列削峰 + 幂等落库

交卷瞬间万人提交,直接同步写库必炸。用队列把"高峰"变"匀速":

# 交卷:先入队列,异步落库,前端不傻等
def submit(paper_id, answers):
    enqueue('submit_queue', {
   'paper': paper_id, 'answers': answers})
    return 'queued'          # 立即返回,学员看到"已提交"

# 消费者匀速落库,幂等:同一答卷重复消费不重复写
def worker():
    for job in dequeue_batch('submit_queue', 100):
        if not db.exists_submit(job['paper']):
            db.save_submit(job['paper'], job['answers'])

要点:① 队列 + 消费者,把交卷峰值摊平;② 落库幂等(按答卷唯一键判断),重试不重复写;③ 前端显示"已提交"靠队列确认,别同步等库写入。

第五步:上线前的验证清单

  • 模拟 5000 人同时开考,拉题全部命中 CDN,数据库 QPS 无明显上升;
  • 模拟 5000 人同时交卷,队列积压可见、库写入匀速,无超时;
  • 模拟断网 1 分钟重连,验证断点答案不丢(断点自动保存生效);
  • 模拟同一答卷重复提交,验证只落库一次(幂等生效);
  • 模拟交卷后查成绩,验证"已提交"状态和答卷数据一致;
  • 压测报告留档,记录开考/交卷两峰的 QPS 与耗时,作为后续容量依据。

踩坑清单(4条真实踩过)

  • 坑1:试卷每次开考实时查库组卷。开考瞬间数据库被打穿,卡死一片。试卷必须开考前预生成、走 CDN 静态下发;
  • 坑2:自动保存太频繁。每 5 秒全卷提交,保存接口先于考试崩掉。低频(30 秒)+ 增量(只传变更题)双管齐下;
  • 坑3:交卷同步写库。交卷瞬间万人同时写,数据库连接池耗尽、交卷全超时。入队列异步落库,前端不傻等;
  • 坑4:落库不幂等。前端重试交卷、队列重复消费,同一答卷重复入库、成绩被覆盖。按答卷唯一键幂等,重试不重写。

FAQ

Q1:考试系统需要高配服务器吗?
答:不需要。考试卡顿的根因是并发模型,不是机器配置。CDN 拉题 + 队列交卷后,普通配置扛万人没问题;盲目堆机器治标不治本。

Q2:自动保存多久一次合适?
答:30 秒比较稳。太频繁打爆保存接口,太稀疏断网丢答案。30 秒 + 增量提交,压力和可靠性平衡。

Q3:为什么交卷要先入队列?
答:交卷是瞬时峰值,同步写库会把数据库打爆。队列把高峰摊平成匀速,学员体验无感、数据库也扛得住。

Q4:答卷数据会不会丢?
答:三层保护——答题中 30 秒自动保存、断网本地暂存、交卷队列持久化。任一层兜底,答卷都不会丢。

Q5:队列挂了怎么办?
答:交卷请求先写持久化消息(数据库表/磁盘),队列消费失败可以重放;学员侧"已提交"状态以持久化记录为准,队列只是加速落库的手段,不是唯一副本。

Q6:CDN 上的试卷会不会被提前扒走?
答:静态化只下发"考试已开始"的试卷,且 CDN 加时效令牌(临时签名 URL),过期自动失效;正式开考前不预下发,防泄题和防扒是两回事,别混在一起优化。

结语

在线考试卡顿,根因是并发模型,不是机器配置。CDN 静态化拉题、队列削峰交卷、30 秒增量自动保存,三个方向做到,万人考试也稳。排查时先按"开考、答题中、交卷"三段定位瓶颈再对症下药,别一上来就加服务器——方向错了,机器再贵也白搭。这套思路不只在考试场景有效——任何"瞬间峰值"业务(抢课报名、秒杀、放号)都能直接复用。

相关文章
|
5月前
|
文字识别 Java 数据安全/隐私保护
10 分钟上手 Stirling PDF:阿里云 ECS Docker 部署 PDF 工具箱
Stirling PDF 是一款开源、可本地部署的 Web PDF 工具箱,支持合并、拆分、压缩、加水印、文本编辑等60+功能。文件仅在内存中临时处理,自动清理,安全私有。本文详解10分钟 Docker 部署(Ubuntu 24.04 实测),含 ultra-lite 镜像快速启动、中文配置与实操验证。
1088 0
|
Cloud Native Devops 持续交付
云原生与 DevOps
云原生与 DevOps
1219 0
|
机器人 Java Linux
Webots机器人仿真入门(一)
Webots是一个开源的移动机器人仿真模拟器,内置了许多机器人模型。机器人造价普遍超出新手承受范围,对于新手来说使用仿真软件入门是一个不错的选择。
Webots机器人仿真入门(一)
|
1月前
|
弹性计算 Linux Docker
2026年10月Docker镜像源清单:ECS旧入口与公共候选
本文梳理2023年10月主流容器镜像加速入口现状:阿里云、百度旧加速器已停更或终止服务;腾讯、华为云内网地址限特定环境;毫秒镜像(docker.1ms.run)与DaoCloud为可用公共候选。强调需按“环境适配→显式拉取→摘要校验”三步验证,不可盲目替换配置。(239字)
2026年10月Docker镜像源清单:ECS旧入口与公共候选
|
1月前
|
消息中间件 运维 NoSQL
下单后不付款、库存被一直占用?订单超时自动取消与库存回补的四种方案与踩坑
用户下单后不付款,库存被订单长期占用,前台显示有货却买不了,盘点账实不符。本文对比定时轮询、Redis过期监听、时间轮、MQ延时消息四种超时取消方案,重点讲延时消息加订单状态机的实现,以及取消前二次校验支付状态、库存回补幂等,避免在付款边界误取消已支付订单。
|
2月前
|
数据采集 存储 JSON
猫眼商品(票务 / 影片)数据获取完整方案
猫眼平台严禁爬虫抓取,官方无免费商用API。合规途径为对接猫眼商务或选用合规第三方封装接口。可获取影片、影院、排期、票价等数据,但逆向接口风险高、维护难。须严守使用边界:仅限内部分析,禁售数据、禁刷库存、限频访问。
391 1
|
2月前
|
人工智能 安全 JavaScript
Qoder × Jev:重新思考 Agent 如何判断和行动
Qoder探索Agent新分工:生成模型负责理解规划,Jev类System One判断模型专精高频、边界明确的语义决策(如“下一步做什么”),Harness则统一管控权限、执行、验证与回退。本文以Jev为切入点,介绍其在Auto Mode(自动执行判定)和浏览器自动化(页面操作选择)两大场景的实践,展现专用判断模型如何提升效率与可控性。
437 0
|
2月前
|
缓存 小程序 网络协议
门店桌台状态在收银台、平板、小程序间对不上:WebSocket实时同步、断线重连与状态对账实践
门店桌台状态要同时显示在收银大屏、服务员平板和顾客小程序上,早期用轮询既有延迟空窗,还常出现多端状态不一致、重复开台。本文讲改用WebSocket实时同步并把长连接做稳的完整方案:应用层心跳保活加指数退避断线重连消除假在线,给状态加单调版本号挡住消息乱序与重复,服务端作为唯一权威、重连先拉快照对齐再加定时对账兜底,附关键代码与五个踩坑。
|
2月前
|
数据采集 人工智能 监控
企业官网GEO优化实战:可见性诊断、结构化评分与引用追踪的完整闭环
GEO优化最大的难题是无法度量效果。本文从实际项目出发,搭建一套可落地的AI搜索可见性诊断与度量体系:多引擎关键词覆盖检测与可见性评分模型、内容结构化六维评分表、FAQ Schema配置、AI引用追踪与优化优先级排序,并给出效果验证周期和5个常见踩坑。
|
6月前
|
人工智能 测试技术 Linux
面试后迟迟没消息,怎么判断你是不是“第一顺位候选人”?
应届生求职常陷“面试后失联焦虑”。本文揭秘招聘背后的候选人排序逻辑:反馈速度、HR主动性、面试官代入感、谈薪态度等,都是判断你是否为“第一顺位候选人”的关键信号。教你识别真实信号、提升岗位匹配度、主动跟进并科学推进多线机会。