一、分布式在线考试系统完整架构图（细化版）
以下是包含服务分层、中间件、数据流向、事件通信的完整架构图，直观展示各组件的交互关系：
架构图核心说明：
- 分层设计：严格遵循「客户端→网关→核心服务→中间件→持久化」的经典分布式分层架构，职责边界清晰；
- 事件通信：红色标注的
RocketMQ是分布式事件通信的核心，所有跨服务事件（如提交试卷→评分→通知）均通过MQ流转； - AI能力集成：
Spring AI作为独立能力层，对接各AI大模型，所有AI相关逻辑（评分/出卷/分析）均由专门的服务调用，与核心业务解耦； - 高可用组件：
Nginx做负载均衡、Sentinel（网关/服务内）做限流、Redis做缓存/分布式锁、MQ做消息可靠性保障，覆盖考试高峰期的高并发需求。
二、核心业务时序图（考生提交试卷→AI评分→成绩通知）
以「考生提交试卷触发AI评分+成绩通知」为例，绘制时序图（Mermaid语法），展示「Spring Event+MQ」的完整执行流程，包含本地事件、MQ消息、AI评分、跨服务通知的全链路：
时序图核心说明：
- 核心流程：考生提交试卷 → 考试服务完成本地业务+发送MQ → 评分服务消费MQ+AI评分+发送MQ → 通知服务消费MQ+发送通知；
- 幂等性：每一步MQ消费前均做幂等校验（基于eventId），避免重复评分、重复发通知；
- 解耦设计：
- 考试服务不直接调用评分服务，仅发送MQ消息，无需关注评分逻辑；
- 评分服务完成AI评分后，仅发送MQ消息，无需关注通知逻辑；
- 异步特性：AI评分、通知发送均为异步执行，考生提交试卷后立即返回结果，提升用户体验；
- 本地事件复用：评分服务消费MQ后，先转换为本地Spring Event再执行评分逻辑，解耦MQ消费和业务逻辑。
三、关键补充说明
1. 架构图核心要点
- 服务边界：每个微服务职责单一（考试服务仅处理考试核心流程，评分服务仅处理评分），符合「高内聚、低耦合」的微服务设计原则；
- 中间件定位：
- Nacos：统一管理服务注册和配置，所有服务启动时自动注册，配置动态刷新；
- RocketMQ：分布式事件通信的唯一通道，替代硬编码的远程调用；
- Redis：核心缓存+分布式锁，解决考试高峰期的数据库压力和并发问题；
- AI能力集成：Spring AI作为独立能力层，所有服务通过标准化API调用AI能力，支持无缝切换大模型（如从智谱AI切换为文心一言）。
2. 时序图核心要点
- 同步vs异步：考生提交试卷的核心流程（保存数据、更新状态）是同步的，保证数据一致性；跨服务的评分、通知是异步的，提升系统吞吐量；
- 可靠性保障：
- 生产者（考试服务）：MQ消息同步发送+重试，确保消息不丢失；
- 消费者（评分/通知服务）：消费失败后自动重试，多次失败进入死信队列，人工介入处理；
- 监控埋点：在MQ发送/消费、AI评分、核心数据库操作处添加埋点，接入SkyWalking实现全链路追踪，便于定位问题（如考生提交试卷后未评分的问题）。
总结
- 架构图价值：清晰展示了从客户端到微服务、中间件、AI层的完整链路，明确了「Spring Event+MQ」的事件通信在架构中的核心位置，以及各组件的职责边界；
- 时序图价值：还原了「考生提交试卷→AI评分→成绩通知」的核心业务流程，直观体现了「本地事件解耦服务内、MQ解耦服务间」的设计思路，以及幂等性、异步性、可靠性的落地方式；
- 核心设计原则：
- 分布式事件通信：MQ是跨服务事件的唯一通道，替代硬编码的Feign调用；
- 本地事件复用：服务内逻辑通过Spring Event解耦，降低代码耦合度；
- AI能力解耦：AI评分/出卷等逻辑通过MQ事件触发，与核心业务分离，便于扩展。
这两张图完整覆盖了分布式在线考试系统的静态架构和动态流程
