25计算机毕设新手避坑指南：从选题到部署的全链路技术实践-平芜编程栈

背景痛点：为什么“高大上”反而成了绊脚石

每年 3 月，实验室的灯都会亮到后半夜。我去年也是其中一员，最初把毕设当成“炫技舞台”：微服务 + 消息队列 + 分布式事务，结果 4 月还在调通 RPC，5 月连登录都没跑通。总结身边 20 多位同学的踩坑记录，高频误区就三类：

选题空泛——“基于深度学习的智能推荐系统”听起来很酷，却说不清推荐啥、给谁用，导致后期数据集、评测指标全靠自己“编”。
架构过度——一口气引入 Gateway、Nacos、Seata，配置文件比业务代码还多，本地启动 3 分钟，调试一次喝两杯咖啡。
运维裸奔——日志直接print，异常全部try-except-pass，服务器 502 了才第一次听说“健康检查”这个词。

毕设不是科研论文，更不是云原生大赛，导师最关心“功能能不能跑、代码能不能读、部署会不会崩”。先把“能跑”做到 60 分，再谈 100 分的优雅。

技术选型对比：Flask vs Express vs Spring Boot

Web 类课题最简单也最卷，选语言就是选命。我把三种常用栈的体感数据做成一张表，方便你对号入座：

维度	Python Flask	Node.js Express	Java Spring Boot
开发效率	语法简洁，第三方包即装即用	前后端同构，JSON 一把梭	注解+Starter，一行配置生成数据源
学习曲线	2 天能写 CRUD，但蓝图、ORM、WSGI 容易懵	回调→Promise→Async 三连击，新手常写金字塔	注解 IOC 思想，不写接口就浑身难受
部署复杂度	单文件即可`python app.py`，生产用 Gunicorn + Nginx	`npm start`一把起，PM PM2 守护	先装 JDK，再配 Maven，再打 jar，再写 Dockerfile，体积 200 MB+
生态位数量	1 核 2 G 跑 200 并发足够	单线程 EventLoop，CPU 密集就跪	多线程，内存 8 G 起步，CPU 利用率最高
文档/社区	中文博客多，但版本杂	官方文档极简，StackOverflow 答案海量	官方指南厚如砖头，B 站视频管饱

如果你跟我一样“Java 课只学到继承、Python 只写过爬虫”，建议选 Flask：语法友好，本地一键热更新，出错信息中文都能搜到。下文的最小示例就用它，但思路同样适用于 Express 或 Spring Boot。

核心实现：一个带 JWT 登录的 RESTful 模板

功能边界砍到最薄：注册、登录、查询个人信息。遵循 Clean Code 三板斧——“单一职责、显式命名、早抛异常”。项目结构如下：

app/ ├── api/ │ └── user.py # 路由层 ├── model/ │ └── user.py # SQLAlchemy 模型 ├── service/ │ └── user_service.py # 业务层，事务放这里 ├── util/ │ ├── validator.py # 参数校验 │ └── jwt_util.py # 签发、解析 token ├── app.py # 工厂函数+注册蓝图 └── config.py # 环境隔离配置

关键代码片段（省略 import，完整仓库地址放文末）：

入口工厂——把 Flask 实例化推迟，方便单元测试注入不同配置

def create_app(config_name='default'): app = Flask(__name__) app.config.from_object(config[config_name]) db.init_app(app) app.register_blueprint(user_bp, url_prefix='/api') return app

业务层——所有“脏活”交给 Service，视图函数只负责“收参+回包”，保证幂等：重复调用注册接口不会重复插入用户

class UserService: @staticmethod def create_user(email, pwd_plain): if User.query.filter_by(email=email).first(): raise BizException('EMAIL_EXISTS') user = User(email=email, password=generate_password_hash(pwd_plain)) db.session.add(user) db.session.commit() return user

错误处理——统一继承自 BizException，由@app.errorhandler集中转 JSON，前端无需解析堆栈

@app.errorhandler(BizException) def handle_biz(e): return jsonify(code=e.code, msg=e.msg), 200

JWT 拦截——before_request里统一验签，失败直接 401，业务代码不再关心登录态

def login_required(): token = request.headers.get('Authorization') if not token: abort(401) g.user_id = JwtUtil.decode(token)

单元测试——使用 pytest + Flask 测试客户端，启动事务后回滚，保证案例可重复执行

$ pytest -q test_user.py ....... 100% 7 passed

写代码时牢记一句话：“如果这段代码出错，调试信息能不能让明天的我一眼定位？”能，就继续写；不能，就加日志、加断言、拆函数。

部署与测试：Docker 一条命令上云

本地跑通只是 50 分，放到公网给人演示才能毕业。步骤拆到最细，复制即可用：

写 Dockerfile——多阶段构建把源码与运行环境分离，最终镜像 90 MB

FROM python:3.11-slim as builder WORKDIR /app COPY requirements.txt . RUN pip install --user -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt FROM python:3.11-slim WORKDIR /app COPY --from=builder /root/.local /root/.local COPY . . ENV PATH=/root/.local/bin:$PATH CMD ["gunicorn", "-b", "0.0.0.0:8000", "app:create_app()"]

启动 MySQL 容器——数据目录挂到宿主机，毕设结束后直接docker rm不污染系统

docker run -d --name mysql \ -e MYSQL_ROOT_PASSWORD=123456 \ -v $PWD/data:/var/lib/mysql \ -p 3306:3306 mysql:8.0

应用容器连接同一网络，用容器名当 host，避免把 IP 写死

docker network create demo-net docker run -d --name api --network demo-net -p 8000:8000 myapp:latest

压测看底线——本地 Mac M2 + 4 核，8 MB 镜像，wrk 结果如下：

wrk -t4 -c100 -d30s http://localhost:8000/api/user/info Requests/sec: 1 850 Latency 95%: 52 ms

对于演示视频，1 800 的 QPS 足够让导师点头；但注意默认 Gunicornsync工作进程 1 个，正式环境要-w 4并打开gevent补丁。

生产环境避坑指南：把“能跑”升级成“稳跑”

代码上线后，真正的老师其实是凌晨 3 点的报警短信。下面 4 个坑 90% 的毕设都会踩，提前写好备忘录：

数据库连接泄漏——SQLAlchemy 会话没关，半夜 MySQLtoo many connections。解决：把db.session.remove()放到@app.teardown_appcontext，无论业务抛不抛异常都回收。
环境变量硬编码——把 SECRET_KEY、JWT_EXPIRE、数据库密码写进config.py后顺手 Git 推送，GitHub 爬虫 30 分钟就扫走。解决：用python-dotenv读.env，并在.gitignore里加一行。
并发竞争——“查询库存→扣减→更新”三步在 Flask 默认单进程下没问题，上到 Gunicorn 多进程就超卖。解决：MySQL 层update stock = stock - 1 where stock > 0，或者 Redis + Lua 脚本保证原子。
冷启动耗时——容器第一次接收请求要建连接池，响应 2 s，导师以为挂了。解决：镜像里放HEALTHCHECK，启动阶段返回 503，负载均衡器先把流量切走，等 Ready 再转发。