Agent OJ 新手入门指南：从零搭建你的第一个智能判题系统

共计 2195 个字符，预计需要花费 6 分钟才能阅读完成。

背景痛点

在线判题系统（Online Judge, OJ）是编程竞赛和在线编程练习的核心组件。传统的判题系统通常面临以下问题：

• 资源隔离不足 ：多个判题进程可能相互干扰，导致系统不稳定
• 扩展性差 ：难以应对突发的高并发判题需求
• 安全性隐患 ：恶意代码可能危害服务器安全
• 环境配置复杂 ：不同编程语言需要不同的运行环境

技术对比：Agent OJ vs 传统判题系统

Agent OJ 通过现代容器化技术解决了这些痛点：

1. 并发处理能力
2. 传统系统：依赖进程池，扩展性有限

3. Agent OJ：基于 Docker 的弹性伸缩，可动态调整判题容器数量

4. 安全性

5. 传统系统：简单的 chroot 隔离

6. Agent OJ：多层防护（cgroups + seccomp + namespace）

7. 资源管理

8. 传统系统：静态资源分配
9. Agent OJ：动态资源限制与回收

核心实现

Docker 环境部署

以下是 docker-compose.yml 示例，用于快速搭建判题环境：

version: '3'
services:
  judge:
    image: agentoj/judge-core:latest
    restart: always
    cpus: 0.5
    mem_limit: 512m
    security_opt:
      - seccomp:./seccomp.json
    volumes:
      - ./submissions:/app/submissions
  redis:
    image: redis:alpine
    ports:
      - "6379:6379"

关键配置说明：

• cpus: 限制 CPU 使用率
• mem_limit: 内存上限
• security_opt: seccomp 安全策略
• volumes: 挂载用户代码目录

判题核心状态机

判题过程可抽象为状态机，Python 实现示例：

class JudgeStateMachine:
    def __init__(self, submission_id):
        self.current_state = 'PENDING'
        self.submission_id = submission_id

    def transition(self, new_state):
        valid_transitions = {'PENDING': ['COMPILING', 'FAILED'],
            'COMPILING': ['RUNNING', 'COMPILE_ERROR'],
            'RUNNING': ['ACCEPTED', 'WRONG_ANSWER', 'TIME_LIMIT_EXCEEDED', 'RUNTIME_ERROR'],
            # 其他状态转换规则
        }

        if new_state in valid_transitions.get(self.current_state, []):
            self.current_state = new_state
            self.log_state_change()
        else:
            raise InvalidStateTransition(f"Cannot transition from {self.current_state} to {new_state}")

    def log_state_change(self):
        print(f"Submission {self.submission_id}: {self.current_state}")

安全设计

cgroups 资源限制

通过 cgroups 实现：

1. CPU 限制

   echo "100000" > /sys/fs/cgroup/cpu/judge/cpu.cfs_quota_us

2. 内存限制

   echo "512M" > /sys/fs/cgroup/memory/judge/memory.limit_in_bytes

seccomp 沙箱

示例 seccomp 策略（seccomp.json）禁止危险系统调用：

{
    "defaultAction": "SCMP_ACT_ERRNO",
    "syscalls": [
        {"names": ["read", "write", "exit"],
            "action": "SCMP_ACT_ALLOW"
        }
    ]
}

避坑指南

1. 内存泄漏检测
2. 问题：长时间运行后内存增长

3. 解决：定期重启判题容器，设置 mem_limit

4. 信号处理陷阱

5. 问题：子进程未正确处理 SIGTERM

6. 解决：在判题脚本中添加信号处理器

   import signal
   
   def handle_timeout(signum, frame):
       raise TimeoutError("判题超时")
   
   signal.signal(signal.SIGALRM, handle_timeout)
   signal.alarm(5)  # 5 秒超时 

7. 文件描述符泄漏

8. 问题：未关闭文件导致 FD 耗尽
9. 解决：使用 with 语句管理资源

性能优化

压力测试方法

使用 wrk 进行 HTTP 压测：

wrk -t4 -c100 -d30s http://localhost:8080/judge

关键指标：

• QPS（每秒查询数）
• 平均延迟
• 错误率

监控方案

Prometheus 监控指标示例：

- job_name: 'judge'
  metrics_path: '/metrics'
  static_configs:
    - targets: ['judge:8080']

总结与展望

通过本文，你应该已经能够搭建一个基础版的 Agent OJ 系统。但这只是开始，接下来可以思考：

• 如何设计分布式判题集群？
• 如何支持更多编程语言？
• 如何实现动态权重判题（如竞赛中的部分分）？

希望这篇指南能帮你顺利入门 Agent OJ 开发。在实际部署时，建议从小规模测试开始，逐步优化各项参数。