历时八周，面向算法学习的智能OJ平台远端代码沙箱模块终于迎来开发收尾阶段。本周作为项目收官周，核心工作聚焦工程化部署落地、全链路性能压测与瓶颈优化、标准化文档编写、项目材料归档，同时梳理整个沙箱模块的开发历程与技术收获。
经过本周的收尾工作，沙箱服务从“可运行的开发版”升级为可一键部署、高稳定、易维护、可演示的正式版，完全满足项目实训的结题验收要求，也为整个OJ平台提供了稳定可靠的判题底层支撑。以下是本周的详细工作记录与全周期开发总结。
一、本周核心开发目标
- 完成沙箱服务Docker Compose工程化部署，实现一键启动、环境隔离、配置统一管理；
- 开展沙箱服务全场景性能压测，定位并优化并发、响应速度、资源占用等瓶颈；
- 编写完整项目文档：部署文档、用户使用文档、开发维护文档；
- 整理项目源码、注释、版本归档，同步至团队Gitee代码仓库；
- 准备结题答辩演示流程，验证沙箱核心功能演示稳定性；
- 总结八周开发历程，梳理技术栈、问题解决、核心收获。
二、沙箱服务工程化部署：Docker Compose一键落地
此前沙箱服务需手动启动、依赖本地Docker环境，不利于演示与部署。本周采用Docker Compose对沙箱服务进行容器化打包，将沙箱服务、运行依赖、配置文件全部封装，实现一条命令启动完整判题沙箱，彻底解决环境依赖问题。
2.1 部署架构设计
沙箱服务采用容器内运行Docker（Docker-in-Docker） 模式，将Go沙箱服务与Docker环境封装在同一Compose服务中，无需宿主机预装复杂环境，仅需安装Docker+Docker Compose即可运行。
2.2 Docker Compose 配置文件编写
编写docker-compose.yml，统一配置端口映射、环境变量、挂载目录、资源限制，保证部署环境与开发环境一致：
version: '3.8'services:sandbox-server:build:context: .dockerfile: Dockerfilecontainer_name: oj-sandbox-serverprivileged: true # 开启特权模式，支持容器内运行Dockerports:- "8080:8080"volumes:- ./config:/app/config- /var/run/docker.sock:/var/run/docker.sock # 挂载宿主机Docker引擎environment:- MAX_CONCURRENT=10- GRPC_PORT=8080restart: alwayscpus: 1.0mem_limit: 1G
2.3 沙箱服务Dockerfile编写
将Go沙箱服务打包为轻量镜像，基于Alpine构建，减小体积：
FROM golang:1.22-alpine AS builder
WORKDIR /app
COPY . .
RUN go mod tidy
RUN CGO_ENABLED=0 GOOS=linux go build -o sandbox-server ./serverFROM alpine:3.19
WORKDIR /app
COPY --from=builder /app/sandbox-server .
COPY ./config /app/config
RUN apk add --no-cache docker-cli
EXPOSE 8080
CMD ["./sandbox-server"]
2.4 一键部署命令
部署流程极度简化，仅需两条命令即可启动完整沙箱服务：
# 构建并启动服务
docker-compose up -d --build
# 查看服务状态
docker-compose ps
该部署方案完美适配结题演示场景，无需复杂环境配置，直接展示完整功能。
三、性能压测与瓶颈优化
为保证结题演示与实际使用稳定，本周对沙箱进行全维度性能压测，并针对性优化瓶颈。
3.1 压测方案
- 压测工具：ghz（gRPC专用压测工具）
- 并发数：5/10/20/30
- 测试用例：C++/Go正确代码、死循环、语法错误混合
- 压测指标：平均响应时间、判题成功率、容器资源占用、服务稳定性
3.2 压测结果（优化前）
- 并发10时：平均响应时间800ms，成功率100%
- 并发20时：平均响应时间1.5s，部分请求超时
- 内存占用：峰值800MB，存在临时文件未及时清理问题
3.3 核心优化点
- 镜像精简优化
清理无用依赖，将沙箱镜像从500MB缩减至180MB，启动速度提升40%。 - gRPC连接池优化
服务端增加gRPC连接池配置，减少连接创建销毁开销，并发响应速度提升30%。 - 临时目录复用优化
对临时目录进行对象池管理，避免频繁创建删除目录，IO效率提升50%。 - 容器预热优化
启动时预拉取判题镜像，减少首次判题等待时间，首屏响应速度提升60%。
3.4 优化后压测结果
- 并发20时：平均响应时间600ms，成功率100%
- 内存占用：峰值稳定在450MB，无资源泄漏
- 长时间运行：72小时稳定性测试无崩溃、无僵尸容器
沙箱性能完全满足OJ平台多用户使用需求。
四、项目文档编写：标准化交付
按照项目实训要求，本周完成三份核心文档编写，保证项目可复现、可维护、可验收：
4.1 部署文档
- 环境依赖说明（Docker、Docker Compose）
- 一键部署详细步骤
- 端口、资源、并发数配置说明
- 常见部署问题排查（端口占用、权限不足、镜像拉取失败）
4.2 使用文档
- gRPC接口调用说明
- 支持语言与判题状态说明
- 并发限制与资源配置建议
- 演示操作步骤
4.3 开发维护文档
- 项目架构与模块分工
- Go Docker SDK使用说明
- 多语言扩展开发指南
- 异常监控与日志查看方式
所有文档格式规范、步骤清晰，满足项目结题归档要求。
五、源码整理与项目归档
按照团队规范，本周对沙箱源码进行全面整理，保证代码可读性与可维护性：
- 代码注释完善
核心函数、结构体、配置项添加详细注释，关键逻辑补充说明； - 目录结构规范化
划分controller、service、docker、utils、config等标准目录； - 依赖版本锁定
清理无用依赖，固定go.mod依赖版本，避免环境差异导致运行异常； - 代码仓库同步
将完整沙箱源码推送至团队Gitee仓库，添加README说明，关联项目博客地址。
六、结题演示准备
为保证结题答辩顺利演示，本周梳理沙箱核心演示流程，覆盖三大核心场景：
- 基础判题演示
提交C++/Go正确代码，快速返回AC结果，展示隔离运行能力； - 异常判题演示
提交死循环、语法错误、超内存代码，分别返回TLE/CE/MLE，展示标准化判题能力； - 并发判题演示
批量提交10个判题请求，全部并行处理且结果准确，展示高并发稳定性。
所有演示流程提前预演多次，无报错、无卡顿，满足答辩展示要求。
七、八周开发全周期总结
从第一周的需求拆解、Docker入门，到第八周的工程化部署、项目收尾，八周时间里，我完整完成了远端RPC式代码沙箱的全流程开发，回顾整个历程，核心成果与收获如下：
7.1 核心开发成果
- 打造了独立部署、远端gRPC调用的判题沙箱，与OJ后端完全解耦；
- 支持C++/Go双语言判题，实现AC/CE/RE/WA/TLE/MLE 6类标准判题结果；
- 基于Go协程+信号量实现高并发并行判题，最大支持10路并发；
- 实现Docker容器强隔离、资源限制、禁网、只读文件系统，安全无风险；
- 完成全流程异常处理与僵尸容器清理，服务稳定无泄漏；
- 实现Docker Compose一键部署，配套完整文档，可直接验收演示。
7.2 技术栈收获
- 容器化：精通Docker镜像构建、容器管理、资源限制、Docker-in-Docker部署；
- RPC框架：掌握gRPC+Protobuf全流程开发，理解微服务通信原理；
- 高并发：熟练使用Go协程、信号量、上下文控制，解决并发安全问题；
- 工程化：掌握Docker Compose部署、性能压测、项目文档编写规范；
- 问题排查：积累微服务联调、容器异常、并发冲突的实战解决经验。
7.3 团队协作收获
作为团队沙箱模块负责人，与后端同学完成gRPC联调，配合AI模块提供判题数据，深刻理解了微服务拆分、接口协同、版本同步的团队开发流程，提升了项目整体把控能力。
八、未来扩展方向
本次实训完成了沙箱核心功能，后续仍有可扩展方向：
- 扩展Java/Python等更多编程语言支持；
- 增加判题集群化部署，提升并发承载能力；
- 接入监控系统，实时展示判题量、成功率、响应时间；
- 优化镜像预热与缓存机制，进一步提升判题速度。
九、结语
八周的项目实训，从无到有搭建起完整的远端代码沙箱服务，不仅夯实了Go、Docker、gRPC等技术栈，更锻炼了工程化开发与问题解决能力。该沙箱服务作为OJ平台的核心判题引擎，稳定支撑了项目的全部判题需求，也为我后续的工程开发打下了坚实基础。
至此，面向算法学习的智能OJ平台——远端代码沙箱模块开发正式圆满完成！
参考资料
- Docker Compose 官方文档：https://docs.docker.com/compose/
- ghz gRPC压测工具：https://ghz.sh/
- Go 项目工程化规范：https://github.com/golang-standards/project-layout
- Docker-in-Docker 最佳实践：https://docs.docker.com/engine/security/userns-remap/