简介：基于SpringCloud与Vue3开发的一套在线考试系统完整源码，服务于高校计算机、数学、电子信息等专业课程设计、期末大作业与毕业设计，也适合正在学习微服务架构和前后端分离开发的工程师借鉴。项目实现了遗传算法自动组卷，能够根据知识点与难度智能抽题，同时支持文本批量导入题目、班级码入班机制，完整覆盖教师端出题、组卷、学生端考试、评阅等典型环节。压缩包共包含334个文件，以243个Java核心源码为主，另含XML配置文件、YML环境配置、SQL初始化脚本及少量图片文档，整体大小约2.29MB，目录结构规整，便于按功能模块快速检索定位。已有398人学习浏览。下载后可直接运行，配合项目说明可快速理解微服务拆分、网关路由、数据持久化等实践要点，适合具备Java与Vue基础并乐于钻研代码的读者深度参考。
1. 手里拿到这套带遗传算法的在线考试系统，先别急着解压
看到“基于SpringCloud+Vue3的在线考试系统源码”这个标题，很多人的第一反应是“这不又是一个课设项目吗”。确实，市面上这类存档很多，但这套源码里塞进了遗传算法自动组卷和文本批量导入这两个功能点，性质就不一样了：前者涉及算法在业务里的真实落地，后者意味着你拿到的不是玩具 Demo，而是一套能直接跑到联考场景的成体系的东西。
我建议你先别急着解压跑代码，先花一个晚上把整个工程的目录结构、服务划分和配置文件过一遍。这个系统能解决什么问题？简单说，它把“手动组卷、发卷、批改、成绩统计”这条传统链路压缩成了“导入题库、选参数、自动生成、开放考试”，平时做学校月考或者企业内部认证考试，一次组卷能省出三五个人力。适合谁？一是正在做 Java 课设或毕业设计的学生，二是企业里面需要搭一套内部在线考试平台的技术人员。前者可以拿来做二次开发，后者可以直接改改数据库就去上线。
为什么不推荐从零手写？因为从零搭一套 SpringCloud 微服务骨架，光是把 Nacos、Gateway、Redis、MySQL 这些组件在本地调通，至少就要耗掉你两三个晚上，而这一套源码已经把链路打通了。你要做的只是理解它、拆解它、替换掉不适合你的部分。接下来，我们就从架构开始，把这套系统从“黑匣子”变成“透明箱子”，然后一步步跑到你自己电脑上。
2. 拆解 SpringCloud 微服务模块：这套系统到底有哪些部件在协作
拿到源码后，第一件事不是敲键盘，而是“看目录，找微服务的边界”。常见做法是，一套考试系统不会把用户管理、试题管理、考试服务、算法服务全部堆在一个 SpringBoot 胖应用里。即使你只在本地跑，也要按微服务的思路拆开，否则考试高峰期一出现并发尖峰，整台机器就被拖垮了。这套源码的标准划分通常是：网关服务（Gateway）、认证与用户服务（Auth/System）、题库服务（Question Bank）、考试流程服务（Exam）、组卷计算服务（Arithmetic/Algorithm），外加一个独立的Vue3 前端工程。理解清楚了哪个请求打哪个端口，才是你在这套系统里自由游走的第一步。
2.1 先理解前端和后端的“通讯地图”
我一般会先看application.yml或bootstrap.yml，把端口和路由表画出来。如果没有现成的文档，这需要花五分钟自己整理。下图是一张典型的端口对应关系表，你可以对照你手里这份源码的实际配置调整：
| 服务角色 | 默认端口（典型配置） | 核心职责 |
|---|---|---|
| SpringCloud Gateway | 8080 | 统一入口，路由转发、CORS 处理、Token 校验 |
| AuthService | 8101 | 登录、JWT 签发、班级码生成和校验 |
| QuestionService | 8102 | 题目增删改查、文本批量导入解析 |
| ExamService | 8103 | 考试场次、答题卡、成绩统计 |
| GeneticService | 8104 | 遗传算法组卷计算，提供 HTTP 接口供 Exam 调用 |
| Vue3 前端（Vite） | 80 / 5173 | 前端页面与 API 代理 |
注意：这是一套“考试系统”，不是一个“题库小程序”。前端页面上的“班级码”输入框，本质上是调用后端
AuthService的一个接口，换取当前用户的身份凭证，然后才能拉取该班级关联的考试列表。因此在排查问题时，你要时刻记住，任何一个页面动作背后都至少有一个 HTTP 请求在跑。
2.2 把后端最小跑起来：Nacos 注册中心与服务发现配置
几乎所有 SpringCloud 微服务都会依赖一个注册中心，这套源码大概率用的是Nacos。新手最常犯的错误是直接改端口、改数据库名就启动，结果注册中心没起，服务之间互相找不到。所以在写代码之前，先去看看有没有docker-compose.yml或者nacos的启动脚本。没有就自己装一个，用 Docker 是最省事的。下面的bootstrap.yml是你要看的核心文件（伪代码基于通用配置逻辑）：
spring: application: name: exam-service # 服务名，别的服务通过它去 Nacos 查地址 cloud: nacos: discovery: server-addr: ${NACOS_ADDR:127.0.0.1:8848} # 本地默认 namespace: exam_dev # 生产环境会用命名空间隔离 config: server-addr: ${NACOS_ADDR:127.0.0.1:8848} file-extension: yml逻辑说明：这里通过环境变量NACOS_ADDR覆盖默认地址，方便你从本机部署切换到服务器部署时不改代码。namespace设置了exam_dev，表示当前服务归属的开发环境。如果注册不上，八成是namespace没创建，或者server-addr连不上，这是最常见的“翻车现场”。你需要在 Nacos 控制台（http://localhost:8848/nacos）新建一个叫exam_dev的命名空间，再重启服务，玄学问题就解决了。
2.3 前端 Vue3 如何精准对接后端：Vite 代理与 axios 封装
Vue3 在本地开发时，浏览器会拒绝跨域请求，所以你需要用 Vite 的 proxy 去代理。一般在vite.config.js里，你会看到类似下面的写法：
// vite.config.js export default defineConfig({ plugins: [vue()], server: { port: 3000, proxy: { '/api': { target: 'http://localhost:8080', // 指向 Gateway changeOrigin: true, rewrite: (path) => path.replace(/^\/api/, '') } } } })逻辑说明：前端代码里所有请求都以/api开头，Vite 开发服务器帮它做一层转发。rewrite把/api前缀剥掉，因为后端 Gateway 的路由规则里并没有/api这个前缀。如果你看到浏览器报404而接口明明存在，第一反应就是去检查rewrite的正则是否写对了。另外，axios 拦截器一般会在请求头里加Authorization: Bearer <token>，这是登录状态的唯一凭证，排查接口 401 时也要回到这里。
3. 遗传算法自动组卷：从数学原理到 Java 代码落地
组卷在业务上的痛点是什么？是“知识点覆盖率”和“难度系数”。一份试卷光有题目不够，你要保证第 1 题到第 30 题的难度呈正态分布，而且每个章节的题量符合大纲要求。人工排题全靠经验和运气，而遗传算法能把这个过程变成“在解空间里搜最优解”。它的核心思路很简单：把一套卷子编码成一个个体，用适应度函数来评判卷子好坏，再通过选择、交叉、变异迭代出更优的卷子。你在源码里找GeneticService模块时，认准三样东西：Chromosome（染色体）、Population（种群）、FitnessCalculator（适应度计算器）。
3.1 你会看到的代码骨架与核心参数
这套源码的组卷核心大概率长下面这个样子，这是遗传算法的经典骨架。你不必纠结具体变量名，抓住逻辑就好：
// GeneticService.java - 组卷算法骨架示例 public class GeneticAlgorithm { // 种群大小，试卷的候选解数量 private static final int POPULATION_SIZE = 50; // 迭代次数，算多少代停下来 private static final int MAX_GENERATION = 200; // 交叉概率，新一代继承父本基因的概率 private static final double CROSSOVER_RATE = 0.8; // 变异概率，防止陷入局部最优解 private static final double MUTATION_RATE = 0.1; public List<Question> autoGenerate(ExamConfig config) { // 初始化种群：随机从题库中抽题组成50套卷子 List<Chromosome> population = initPopulation(config); for (int gen = 0; gen < MAX_GENERATION; gen++) { // 计算每套卷子的得分（适应度） population.forEach(ch -> ch.setFitness(fitness(ch, config))); // 按得分排序并淘汰低分 List<Chromosome> parents = selectElite(population); // 交叉重组产生下一代 List<Chromosome> offspring = crossover(parents); // 少量变异，跳出局部最优 mutate(offspring); population = offspring; } // 取最后一代中得分最高的个体 return population.stream() .max(Comparator.comparingDouble(Chromosome::getFitness)) .orElseThrow(() -> new RuntimeException("No valid paper found")) .toQuestions(); } }逻辑说明：这段代码展示的是算法主流程，即在每一代里“算优劣、选爹妈、生儿子、偶尔突变”，循环 200 代后挑最好的。参数说明：POPULATION_SIZE = 50，如果题库量小，可以降到 30 提速；CROSSOVER_RATE = 0.8是常用值，太高会导致收敛过快；MUTATION_RATE = 0.1是避免所有卷子长一个样，一般在 0.01 到 0.1 之间调。你去找源码中是否有地方实现了“知识点覆盖度”的计算，如果没有，请务必加上，否则组出来的卷子可能 30 道题全是同一个章节的。
3.2 适应度函数才是算法的灵魂
遗传算法里最“玄学”的部分是适应度函数。你得把一套卷子的好坏量化成一个分数。我见过一套曾经跑过的方案，是这样得分的（这里是思路，不是源码中逐行代码）：
- 知识点覆盖度：计算卷子中题目覆盖的章节数与大纲总章节数的比例，占 40% 权重。
- 平均难度偏差：计算卷子实际平均难度与预设难度的差值，差值越小得分越高，占 30%。
- 题型分布：单选、多选、判断、简答在每种题型题量约束上的吻合度，占 30%。
所以如果你在改造这套源码，第一件事是去找FitnessCalculator，看它的选型和权重是怎么写的。这个过程会把算法从“查字典式抽题”变成“有脑子的自动组织”，这才是这套系统中值得你花最多时间去深挖的地方。
3.3 算法算不出来？先设好约束条件
算法跑半天不出结果，最常见的坑是“约束过严”。比如你要求 60 道题，每个章节至少考 5 道，但题库里某一章只有 3 道题，遗传算法再迭代也无法生成合法解，最后会陷入死循环或返回空列表。最好的方式是在前端向后端发起请求前，先做一次合法性校验。调灰度时，先把自己的参数放到ExamConfig里打出来，确认每个题型的题量需求有没有超出题库存量，再决定是放宽约束还是补题目。这里不需要改到代码级别，但你必须让“报错”说得清楚，不要给用户甩一个500 error。
4. 文本批量导入题目与班级码：频繁使用的两个功能怎么用
如果说遗传算法是这套系统的“大脑”，那么文本批量导入题目就是“供血系统”。没有题库，什么算法都跑不起来。而班级码则是把考试范围从“全校”缩小到“一个班”的关键设计。这两个功能是日常维护中使用频率最高的，隐藏的坑也最多。
4.1 文本格式约定：为什么模板比代码更重要
在导入题目前，源码一般会提供一份模板文件，常见的是 Excel 或 Word。Excel 适合选择题批量录入，Word 更适合简答题或论述题。你要先去仓库里找template.xlsx或者import_demo.docx。如果没找到，就自己建一个 Excel，表头通常约定如下：
| 题型 | 题干 | 选项A | 选项B | 选项C | 选项D | 答案 | 解析 | 知识点 | 难度系数 |
|---|---|---|---|---|---|---|---|---|---|
| 单选 | Java中基本数据类型int占用几个字节？ | 2 | 4 | 8 | 16 | B | 基础知识 | Java基础 | 0.6 |
| 多选 | 以下哪些是JVM的内存区域？ | 堆 | Java虚拟机栈 | 程序计数器 | 直接内存 | ABC | JVM相关 | 运行时数据区 | 0.8 |
在根目录的doc/目录下，一般会有详细的导入字段说明。你需要先严格按模板建行，再用代码去解析。解析代码通常是使用 Apache POI 读取 Excel 的一个方法：
// 批量导入-读取Excel核心伪代码 public List<Question> parseExcel(MultipartFile file) { Workbook workbook = WorkbookFactory.create(file.getInputStream()); Sheet sheet = workbook.getSheetAt(0); List<Question> list = new ArrayList<>(); // 从第2行开始遍历，跳过表头 for (int i = 1; i <= sheet.getLastRowNum(); i++) { Row row = sheet.getRow(i); Question q = new Question(); q.setType(row.getCell(0).getStringCellValue()); // 题型 q.setContent(row.getCell(1).getStringCellValue()); // 题干 // 答案、解析、知识点以此类推 list.add(q); } // 批量插入数据库 return questionMapper.batchInsert(list); }逻辑说明：代码的核心判断是“第 2 行开始读取，按列索引取值”。参数说明：这里有个经典坑，因为使用了.getStringCellValue()，如果某一行的题干被 Excel 自动识别成了数字（比如题干以数字开头），就会直接抛出NumberFormatException。解决方式有两种：第一，统一把模板列的单元格格式设为“文本”；第二，在代码里判断cell.getCellType()，根据不同格式调用不同的取值方法。这是常见的“翻车”现场，导入几百道题，突然中断在第 78 行，你的血泪经验就值在这里。
4.2 班级码的实现逻辑与 Redis 存取
班级码这个设计的巧妙之处在哪里？它让“创建班级、生成邀请码、学生输入、自动加入”这条链路变得极简。后端接口一般长这样，伪代码如下：
// 班级码生成与校验伪代码 @PostMapping("/class/join") public Result joinClass(@RequestBody JoinClassRequest request) { // 核心判断：班级码是否有效 String classCode = request.getClassCode(); // 去 Redis 查出关联的班级ID String classId = redisTemplate.opsForValue().get("class:code:" + classCode); if (StringUtils.isBlank(classId)) { return Result.fail("班级码不存在或已失效"); } // 将当前登录用户与班级绑定 studentMapper.bindClass(request.getUserId(), Long.parseLong(classId)); return Result.success(); }逻辑说明：这里用 Redis 做班级码的映射有两个好处：一是设置过期时间（比如 1 个月），避免班级码永久有效；二是查询速度极快，班级码这层校验不会拖垮服务。参数说明：你在源码里找expire相关的配置，典型值是30 天。如果要调整，直接改常量，不要在 Redis 手动设置，否则班级码的长度和过期时间一扩容就会对不上。
提示：班级码本身不要存放明文班级名称，要存放班级ID。这样即使被别人扫到，也无法直接看到班级里的学生姓名和成绩，至少做了一层脱敏。
4.3 考试发布状态机：这决定了班级码在“考试前、考试中、考试后”的不同表现
导入好题目，组好卷子，生成班级码，学生进来了。接下来你要面对的是“发布考试”这个动作。源码中 ExamService 一般会有一个状态枚举：草稿（DRAFT）、进行中（ONGOING）、已结束（FINISHED）。学生用班级码进来后，能否看到考试卷子，取决于当前考试场次的状态。这里有一个高频踩坑点：学生已经加入班级，但在“我的考试”列表里看不到试卷。
造成这种现象的原因，多半是发布考试时没有绑定班级码或指定的班级列表。你需要调整发布考试接口的bindClassIds字段，确保考试与班级关联。之所以强调这一点，是因为前后端对这种“可见性”问题常常缺乏直接的报错信息，翻日志也看不到异常，最容易让人挠头。
5. 针对部署与开发的避坑复盘：5个高频错误排查
这章是我最想让所有下载这套源码的人先看的部分。很多人拿到手后直接双击启动，遇到报错就懵了。以下 5 个坑是这类项目中频率比较高的，每条都按“现象 → 原因 → 解决”来写，你可以直接对照查找。
5.1 现象：Gateway 转发接口返回 503，但 Nacos 里明明有服务
原因：这是新手最常踩的坑之一。Nacos 里有服务列表，不代表服务是真的健康。如果你看到503 SERVICE_UNAVAILABLE，通常是你点了单机启动后，服务在Nacos中注册成了临时实例，但心跳停止。另一常见原因是，你的bootstrap.yml里指定的命名空间（namespace）和 Nacos 上实际创建的不一致，服务列表看不到，路由自然找不到实例。
解决：先打开 Nacos 控制台，确认exam-service是否列在exam_dev命名空间下。然后检查/actuator/health端口是否能访问，返回UP。最后看本地服务日志是否有“Heart beat”的上报记录，如果日志停了，基本可以断定是网络或配置问题。
5.2 现象：前端登录页能打开，但点击登录后，Network 面板发现 CORS 错误
原因：你直接用了前端axios里的baseURL指向后端地址，而不是通过 Gateway 的代理。跨域请求被浏览器的同源策略拦截了，后端CORS配置并没有allowedOrigins包含你前端的localhost:5173。
解决：最省心的方式是配置前端 Vite 代理（见 2.3 节）。如果后端已部署，不想放代理，可以直接在 Gateway 的全局配置中加入 CORS 允许来源，例如允许http://localhost:5173。不要在业务服务层逐个配置，因为 Gateway 是唯一入口，CORS 处理放在这里是最彻底的方案。
5.3 现象：遗传算法自动组卷，点击生成后等待很久最终网页超时
原因：这通常是因为你的“题目池”太小，而约束条件太多。比如你同时要求覆盖 10 个知识点、题型 5 种、每种 6 题，但总共才 40 道题，遗传算法即使到 200 代，也无法找到符合所有硬约束的个体。
解决：保守建议是先不勾选“每章必须出*题”的硬约束，或最小题量设为 1。如果确实需要硬性覆盖，可以增加题库量。另一个技巧是把迭代次数从 200 调到 100，把种群大小从 50 调到 30，先跑出结果，再慢慢收紧参数。不要一上来就用极端参数，否则组卷时间和超时概率都成倍增长。
5.4 现象：Excel 批量导入时中文乱码，或者数字“0.6”变成“0.5999999”
原因：使用 Apache POI 读取 Excel 数字类型时，使用的是二进制浮点数，所以0.6可能会打印成0.5999999。另外，如果你的 Excel 文件编码不是 UTF-8，读取后中文会乱码。
解决：对于难度系数这类数字列，读取后要做一次BigDecimal.valueOf(cell.getNumericCellValue()).setScale(2, RoundingMode.HALF_UP)处理。对于乱码，尽量把导入文件重新另存为.xlsx而不是.xls，并使用 POI 的XSSFWorkbook，它会处理内部 XML 的编码。你可以写一个简单的单元测试去校验零舍入问题，避免这道题入库难度值漂浮不定，影响遗传算法收敛。
5.5 现象：班级码过期后，学生无法加入班级，重置无效
原因：你在 Redis 里设置了班级码的过期时间，但重置码时，没有设置新的过期时间。导致原来的班级码删掉了，新码生成的过期时间为-1，或者沿用旧的过期时间。
解决：在生成新班级码的接口中，务必同时调用expire方法。如果你在源码中看到redisTemplate.delete之后没有opsForValue().set带上timeout，记得补上。几乎每次“班级码过期”的问题，最后都指向这个逻辑遗漏。
6. 进阶：在单机上用容器化模拟微服务部署，验证系统可用性
当你本地把整套系统跑起来之后，下一步是让它能在“非开发环境”下稳定运行。我通常习惯把 Nacos、MySQL、Redis 直接用 Docker Compose 管理起来，业务服务则打包成镜像或直接用java -jar启动。这样做的目的不是为了上生产，而是提前暴露“环境隔离”的问题。比如，数据库连接串、Redis 密码、Nacos 地址这些参数，如果在代码里写死，换台机器就无法运行了。
我的建议是：先找到源码根目录有没有docker-compose.yml，如果没有，自己写一个最小版本，用于承载基础设施。这是验证这套系统可移植性的最快路径，也是检验你前面配置改动是否彻底的有效手段。这里可以给一个基础的服务编排思路（以下仅作参考，不绑定具体组件版本），你要做的是在源码里找到关于 MySQL 初始化脚本和 Redis 基础缓存键的约定，把它们落实到 Compose 文件的环境变量里：
services: nacos: image: nacos/nacos-server:v2.2.3 environment: MODE: standalone ports: - "8848:8848" mysql: image: mysql:8.0 environment: MYSQL_ROOT_PASSWORD: root ports: - "3306:3306" volumes: - ./sql:/docker-entrypoint-initdb.d redis: image: redis:7 ports: - "6379:6379"最终想验证的点有两个。第一，换一台全新机器，能否仅靠“启动 Docker Compose + 执行打包脚本 + 启动多个 SpringBoot 服务”把整条链路跑通？第二，在浏览器上从注册、加入班级、导入题目、自动组卷到在线答题，完成整整一周期的功能链路。我个人的习惯是，每改一处代码，就跑一遍这条链路，而不是只点“登录”就收工。因为在线考试系统的核心不是漂亮的界面，而是数据一致性——假如学生答完题，成绩没落库，这比页面崩了还可怕。
给你一个压测前的操作性建议：你可以用脚本模拟 20 个学生同时提交试卷，然后观察曲线。如果吞吐量达不到预期，优先检查你的数据库连接池配置和 Redis 连接池配置。这也是我在部署这套系统后，最常对同事说的一句话：先别急着优化代码，把连接池和慢查询日志打开，很多问题都藏在这里。希望这些基于这套源码的实践路径，能帮你把“跑通”变成“能用”，继而变成“敢上线”。
本文还有配套的精品资源，点击获取
