exam 的安装和配置教程
2025-05-20 18:11:30作者:董斯意
项目基础介绍
exam 是一款专注于k12教育的在线考试系统,适用于小学、初中、高中等不同年级和学科。该系统支持多种题型,包括单选、多选、判断、填空和解答题。系统由学生系统、教师系统(待开发)、管理员系统三大模块组成,提供了试卷答题、成绩记录、错题回顾等功能。
主要编程语言
项目主要使用 Java 作为后端开发语言,前端采用了 Vue.js。
项目使用的关键技术和框架
-
后端技术栈:
- Spring Boot:构建整个应用程序的框架。
- Spring Boot Security:处理用户登录验证。
- Undertow:作为Web容器。
- PostgreSQL:优秀的开源数据库。
- Redis:用作缓存,提升系统性能。
- MyBatis:数据库中间件。
- Hikari:速度最快的数据库连接池。
- FastDFS:文件系统中间件,用于存放图片等文件。
-
前端技术栈:
- Vue.js:构建用户界面的框架。
- Element-UI:基于 Vue 2.0 的桌面端组件库。
- Vue-Element-Admin:一个后台前端解决方案。
- ECharts:用于图表统计。
- UEditor:富文本编辑器,支持填空题。
安装和配置准备工作
在开始安装之前,确保你的系统已经安装了以下软件:
- JDK 1.8 或更高版本
- Redis
- PostgreSQL
- FastDFS(需要自行搭建)
安装和配置步骤
1. 克隆项目
使用 Git 命令克隆项目到本地:
git clone https://github.com/1477551037/exam.git
2. 配置数据库
- 安装 PostgreSQL 数据库。
- 执行
/exam/database目录下的 SQL 脚本以创建数据库和表。
3. 配置 Redis
- 安装 Redis 服务器。
- 确保 Redis 服务正在运行。
4. 配置 FastDFS
- 安装 FastDFS。
- 根据项目需求配置 Tracker 和 Storage。
- 确保正确设置 Tracker Server 的 IP 地址,不要使用
127.0.0.1或localhost。 - 先启动 Nginx,再启动 FastDFS 服务。
5. 配置后端
- 使用 IntelliJ IDEA 或其他 IDE 打开
/exam/source/exam目录下的后端代码。 - 在
application-dev.yml文件中配置 PostgreSQL、Redis 和 FastDFS 的服务地址。 - 运行
ExamApplication.java文件启动后端服务。
6. 配置前端
- 使用 JetBrains WebStorm 或其他代码编辑器打开
/exam/source/vue目录下的前端代码。 - 在终端中使用以下命令启动前端开发服务器:
npm run serve
7. 完成配置
完成以上步骤后,你的 exam 系统应该已经可以正常运行了。通过浏览器访问相应的地址,开始使用你的在线考试系统。
请注意,本项目是一个持续开发的项目,一些功能可能还在开发中或需要进一步完善。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137