1. 概述

1.1 背景

在考試系統中，當大量學生同時開始考試時，系統需要為每個學生創建考試記錄（ExamRecord）和答題記錄（ExamAnswerRecord）。傳統的"按需創建"模式在高併發場景下存在以下問題：

• 性能瓶頸：每次開始考試都需要執行數據庫寫入操作，響應時間在 200-500ms

• 併發壓力：1000+ 學生同時開考時，數據庫壓力激增，可能導致超時或失敗

• 用户體驗：學生點擊"開始考試"後需要等待較長時間才能進入考試界面

• Github：xin-lai/CodeSpirit
• Gitee：magicodes/CodeSpirit

1.2 解決方案

考試記錄預生成方案通過定時任務（每天凌晨1點）批量預生成所有已發佈且尚未開始的考試的記錄和答題記錄，將數據庫寫入操作從"考試開始時刻"提前到"凌晨低負載時段"，從而：

• ✅ 性能提升：開始考試耗時從 200-500ms 降低到 10-50ms（命中預生成記錄時）
• ✅ 併發優化：數據庫寫入壓力分散到凌晨低負載時段，避免影響正在進行的考試
• ✅ 用户體驗：學生點擊開始後即刻進入考試，無感知延遲
• ✅ 數據一致性：題目順序預先確定，避免併發衝突

1.3 核心特性

• 定時預生成：每天凌晨1點通過定時任務統一預生成，避免影響正在進行的考試
• 智能預生成：僅預生成第一次考試記錄（AttemptNumber = 1），後續考試動態創建
• 緩存優化：預生成記錄寫入緩存，開始考試時優先查詢緩存，減少數據庫查詢
• 智能檢測：開始考試時自動檢測預生成記錄，命中則快速啓動，未命中則動態創建
• 垃圾清理：定時任務自動清理未使用的預生成記錄，避免數據冗餘
• 容錯機制：預生成失敗不影響考試發佈，新增學生自動降級為動態創建

2. 架構設計

2.1 系統架構圖

2.2 數據流設計

2.3 核心組件

2.3.1 預生成服務 (IExamRecordPreGenerationService)

職責：

• 批量預生成考試記錄和答題記錄
• 管理預生成緩存
• 提供緩存鍵生成方法

關鍵方法：

• PreGenerateExamRecordsAsync(long examId) - 為指定考試預生成所有學生記錄
• PreGenerateBatchAsync(long examId, IEnumerable<long> studentIds, int attemptNumber) - 批量預生成指定學生記錄
• GetPreGeneratedRecordCacheKey(long examId, long studentId, int attemptNumber) - 生成緩存鍵

2.3.2 考試記錄服務 (ExamRecordService)

職責：

• 智能檢測預生成記錄
• 動態創建記錄（降級方案）
• 管理記錄狀態轉換

關鍵方法：

• CreateExamRecordAsync(long examId, long studentId, ...) - 創建或激活考試記錄
  • 優先查詢緩存獲取預生成記錄ID
  • 命中則更新狀態和開始時間
  • 未命中則動態創建

2.3.3 任務處理器

定時預生成任務處理器 (ExamRecordScheduledPreGenerationTaskHandler)：

• 定時執行（每天凌晨1點）
• 查詢所有已發佈且尚未開始的考試
• 檢查是否已預生成，避免重複處理
• 分批處理學生列表
• 記錄詳細日誌

手動預生成任務處理器 (ExamRecordPreGenerationTaskHandler)：

• 用於手動觸發單個考試的預生成
• 接收考試ID參數
• 分批處理學生列表
• 記錄詳細日誌

清理任務處理器 (ExamRecordCleanupTaskHandler)：

• 定時執行（每天凌晨2點）
• 清理已結束考試的未使用記錄
• 同步清理緩存

3. 核心設計要點

3.1 狀態管理

3.1.1 考試記錄狀態擴展

新增 NotStarted = 0 狀態，用於標識預生成的記錄：

public enum ExamRecordStatus
{
    NotStarted = 0,    // 未開始（預生成狀態）
    InProgress = 1,    // 進行中
    Submitted = 2,     // 已提交
    Graded = 3         // 已批改
}

3.1.2 狀態轉換流程

預生成 → NotStarted
   ↓
開始考試 → InProgress
   ↓
提交考試 → Submitted
   ↓
批改完成 → Graded

3.2 緩存策略

3.2.1 緩存鍵設計

exam:pregenerated:{examId}:{studentId}:{attemptNumber}

示例：

exam:pregenerated:123:456:1

3.2.2 緩存過期時間

核心原則：緩存過期時間 = 考試結束時間 + 1小時緩衝

• ✅ 正常情況：考試結束時間在未來 → 過期時間 = 結束時間 - 當前時間 + 1小時
• ⚠️ 異常情況：考試已結束或時間異常 → 使用默認7天過期

設計理由：

• 確保考試期間緩存始終有效
• 考試結束後保留1小時緩衝，處理延遲提交等場景
• 避免緩存永久佔用內存

3.3 分批處理策略

3.3.1 批次大小

• 默認批次大小：50 名學生/批
• 可配置：根據系統性能調整（常量 BATCH_SIZE）

3.3.2 批次間延遲

• 延遲時間：200 毫秒（常量 DELAY_BETWEEN_BATCHES_MS）
• 設計目的：限制預生成速度，避免對 CPU 和數據庫造成過大壓力
• 執行時機：每處理完一批學生後，延遲 200ms 再處理下一批
• 性能平衡：在保證預生成效率的同時，不影響系統正常運行

3.3.3 開考前自動停止

• 停止閾值：開考前 5 分鐘（常量 STOP_BEFORE_EXAM_START_MINUTES）
• 檢測機制：每批次處理前檢查當前時間與考試開始時間的間隔
• 觸發條件：如果距離考試開始時間不足 5 分鐘，立即停止預生成
• 設計目的：
  • 避免在考試即將開始時進行大量數據庫操作，確保系統資源優先服務於學生開考
  • 減少數據庫負載，提升考試開始時的系統響應能力
• 日誌記錄：停止時會記錄已處理和剩餘的學生數量

示例日誌：

⚠️ 距離考試開始時間不足 5 分鐘，停止預生成。已處理: 800/1000，剩餘: 200 名學生未處理

3.3.4 處理流程

1. 獲取所有需要預生成的學生ID列表
2. 按批次大小切分（默認 50 名/批）
3. 檢查開考時間：如果距開考不足 5 分鐘，停止預生成
4. 每批使用事務保證原子性
5. 批次間延遲 200ms，避免系統壓力過大
6. 記錄每批成功/失敗數量
7. 打印詳細日誌便於跟蹤

3.4 容錯機制

3.4.1 預生成失敗處理

• 不影響發佈流程：預生成任務異步執行，失敗不影響考試發佈
• 降級方案：預生成失敗的學生，開始考試時自動降級為動態創建
• 日誌記錄：詳細記錄失敗原因和學生ID，便於排查

3.4.2 新增學生處理

• 不預生成：考試發佈後新增的學生，不進行預生成
• 動態創建：新增學生開始考試時，使用動態創建邏輯
• 性能影響：新增學生比例通常較低（<5%），不影響整體性能

3.5 數據過濾

3.5.1 監控界面過濾

• 默認排除：監控和管理界面默認排除 NotStarted 狀態的記錄
• 可選查詢：如需查看預生成記錄，可顯式指定狀態查詢

3.5.2 查詢優化

-- 默認查詢（排除預生成記錄）
SELECT * FROM ExamRecord 
WHERE Status != 0  -- NotStarted

-- 顯式查詢預生成記錄
SELECT * FROM ExamRecord 
WHERE Status = 0  -- NotStarted

4. 性能優化

4.1 性能指標

4.2 優化措施

4.2.1 緩存優先查詢

• 開始考試時優先查詢緩存，命中則直接加載記錄
• 緩存未命中才查詢數據庫，減少數據庫壓力

4.2.2 批量操作

• 預生成時使用批量插入（AddRangeAsync）
• 清理時使用批量刪除（DeleteRangeAsync）

4.2.3 事務優化

• 每批預生成使用獨立事務，避免大事務鎖表
• 開始考試時使用分佈式鎖，防止併發創建

5. 實施要點

5.1 關鍵時機

5.1.1 預生成觸發

• 觸發時機：定時任務（每天凌晨1點）
• 執行方式：定時任務統一執行，避免影響正在進行的考試
• 執行範圍：
  • 僅預生成已發佈且尚未開始的考試（Status = Published AND StartTime > 當前時間）
  • 僅預生成第一次考試記錄（AttemptNumber = 1）
  • 自動跳過已預生成的考試，避免重複處理

5.1.2 清理觸發

• 觸發時機：定時任務（每天凌晨2點）
• 清理條件：
  • 考試已結束（EndTime < 當前時間）
  • 記錄狀態為 NotStarted
  • 創建時間早於閾值（默認7天前）

5.2 日誌記錄

5.2.1 定時預生成日誌

[INFO] ========================================
[INFO] 考試記錄定時預生成任務開始執行
[INFO] ========================================
[INFO] 找到 3 個已發佈且尚未開始的考試
[INFO] 考試 123 (數學期末考試) 已預生成，跳過
[INFO] 開始為考試 456 (英語期末考試) 預生成記錄
[INFO] 獲取到 1000 名學生需要預生成記錄
[INFO] 開始分批預生成，每批 50 名學生，共 20 批，批次間延遲 200ms
[INFO] 第 1/20 批完成：成功 50，失敗 0
...
[WARN] ⚠️ 距離考試開始時間不足 5 分鐘，停止預生成。已處理: 800/1000，剩餘: 200 名學生未處理
[INFO] 考試 456 預生成完成 - 成功: 798, 跳過: 200
[INFO] 定時預生成完成 - 總計: 3, 成功: 2, 跳過: 1, 失敗: 0
[INFO] ========================================

5.2.2 開始考試日誌

[INFO] ✅ 命中預生成記錄，快速啓動：考試ID=123, 學生ID=456, 記錄ID=789
[WARN] ⚠️ 未命中預生成記錄，執行動態創建：考試ID=123, 學生ID=999

5.3 配置説明

5.3.1 預生成性能控制參數

以下配置參數在 ExamRecordPreGenerationService.cs 中以常量形式定義：

調整建議：

• 批次大小：根據數據庫性能調整，性能較好的系統可增大到 100
• 批次延遲：如果系統負載高，可增加到 500ms；負載低可減少到 100ms
• 停止閾值：建議保持 5 分鐘，確保考試開始前系統穩定

5.3.2 定時任務配置

{
  "ScheduledTasks": {
    "Tasks": [
      {
        "Id": "exam-record-scheduled-pregeneration",
        "Name": "考試記錄定時預生成",
        "Description": "每天凌晨1點為所有已發佈且尚未開始的考試預生成記錄",
        "Type": "Cron",
        "CronExpression": "0 0 1 * * *",
        "HandlerType": "CodeSpirit.ExamApi.Tasks.ExamRecordScheduledPreGenerationTaskHandler",
        "Timeout": "00:30:00",
        "Enabled": true
      },
      {
        "Id": "exam-record-cleanup",
        "Name": "考試記錄垃圾數據清理",
        "Description": "清理未使用的預生成考試記錄",
        "HandlerType": "CodeSpirit.ExamApi.Tasks.ExamRecordCleanupTaskHandler",
        "CronExpression": "0 0 2 * * *",
        "Parameters": "{\"cleanupDays\": 7}",
        "Enabled": true
      }
    ]
  }
}

Cron表達式説明：

• 0 0 1 * * * 表示每天凌晨1點執行（預生成任務）
• 0 0 2 * * * 表示每天凌晨2點執行（清理任務）

6. 注意事項

6.1 數據一致性

• ✅ 題目順序：預生成時確定題目順序，避免併發衝突
• ✅ 事務保證：每批預生成使用事務，保證原子性
• ✅ 分佈式鎖：開始考試時使用分佈式鎖，防止重複創建

6.2 緩存一致性

• ✅ 寫入時機：預生成完成後立即寫入緩存
• ✅ 更新時機：開始考試時清除預生成緩存
• ✅ 清理時機：定時清理任務同步清理緩存

6.3 監控建議

• 📊 預生成成功率：監控預生成任務的成功/失敗比例
• 📊 緩存命中率：監控開始考試時的緩存命中率
• 📊 清理效果：監控定時清理任務刪除的記錄數量
• 📊 性能指標：監控開始考試的響應時間分佈
• 📊 提前停止情況：監控預生成任務是否因接近開考時間而提前停止，如頻繁發生應考慮提前發佈考試
• 📊 系統負載：監控預生成過程中的 CPU 和數據庫負載，必要時調整批次大小和延遲時間

6.4 擴展性考慮

• 🔄 多數據庫支持：預生成邏輯與數據庫類型無關，支持SQL Server和MySQL
• 🔄 水平擴展：預生成任務可分佈式執行，支持多實例部署
• 🔄 配置化：批次大小、批次延遲、停止閾值等參數可配置，便於調優

6.5 性能調優建議

6.5.1 批次大小調優

• 小規模考試（<500人）：批次大小可設為 100，快速完成預生成
• 大規模考試（>1000人）：保持默認 50，避免單批次耗時過長
• 超大規模（>5000人）：可減小到 30，配合更長的批次延遲（500ms）

6.5.2 發佈時機建議

• 推薦：考試開始前至少 1 天發佈，確保在次日凌晨1點完成預生成
• 最低要求：考試開始前至少 1 小時發佈（如果發佈時間晚於凌晨1點，預生成將在下一個凌晨1點執行）
• 注意事項：
  • 預生成任務在每天凌晨1點統一執行，不會在發佈時立即執行
  • 如果考試在凌晨1點之後發佈且當天開考，首批學生會使用動態創建模式（性能略差）
  • 建議提前發佈考試，以便享受預生成帶來的性能優化

6.5.3 系統負載控制

• 高負載時段：增加批次延遲到 500ms，減少對正在進行的考試的影響
• 低負載時段：可減少批次延遲到 100ms，加快預生成速度
• 監控指標：CPU 使用率 > 70% 或數據庫連接數 > 80% 時，應調整參數

7. 測試驗證

7.1 功能驗證

1. 預生成功能

   • ✅ 發佈考試後檢查後台日誌，確認預生成任務執行
   • ✅ 查詢數據庫，驗證記錄已創建且狀態為 NotStarted
   • ✅ 驗證緩存中已寫入預生成記錄ID

2. 智能啓動

   • ✅ 學生開始考試，檢查是否命中預生成記錄
   • ✅ 測量啓動耗時（應降低到 10-50ms）
   • ✅ 驗證題目順序正確

3. 動態補充

   • ✅ 發佈後新增學生到分組
   • ✅ 該學生開始考試，驗證動態創建邏輯

4. 垃圾清理

   • ✅ 等待定時任務執行（或手動觸發）
   • ✅ 檢查日誌和數據庫，確認垃圾數據被清理

7.2 性能測試

• 📈 併發壓力測試：模擬1000學生同時開考
• 📈 對比測試：對比預生成前後的數據庫壓力和響應時間
• 📈 緩存命中率測試：統計不同場景下的緩存命中率

8. 總結

考試記錄預生成方案通過提前創建和緩存優化兩大核心策略，顯著提升了系統在高併發場景下的性能和用户體驗。方案設計充分考慮了容錯、擴展性和可維護性，是一個生產級的優化方案。

8.1 核心價值

• 🚀 性能提升：開始考試耗時降低 90%+
• 💪 併發優化：數據庫壓力降低 98%
• 😊 用户體驗：無感知延遲，即刻進入考試
• 🔒 數據一致性：題目順序預先確定，避免衝突

8.2 適用場景

• ✅ 大規模考試（1000+ 學生）
• ✅ 高併發開考場景
• ✅ 對響應時間敏感的應用
• ✅ 需要提升用户體驗的場景