LMS: практические занятия по курсу «Промышленное программирование на C»

Минимальное ядро: регистрация, списки студентов, варианты лабораторных и их распределение. Условие своего варианта студент видит в личном кабинете.

Два микросервиса:

lms-api (src/backend/lms_api, :8000) — данные и логика (SQLite), REST /api/v1;
lms-web (src/frontend/lms_web, :8080) — веб-интерфейс, ходит в API по HTTP.

Запуск

make install   # .venv + зависимости
make dev       # lms-api :8000 + lms-web :8080
# открыть http://127.0.0.1:8080 — при первом запуске создать аккаунт преподавателя

Тесты: make test (11 проверок, свои порты/БД). В Docker: make build && make up (или make deploy); данные — в volume lms_data.

Возможности сейчас

Преподаватель

аккаунт администратора (единственный), смена пароля;
Лабораторные — создаются из JSON-файла с вариантами (см. examples/lab1.json): variants с level: main/advanced, номером, условием, примерами и указаниями; если срок сдачи в JSON не задан — автоматически ставится через 25 дней (3 недели и 4 дня) после создания;
Группы — импорт списков из .xls/.xlsx (название из шапки, столбцы: № п/п, студенческий номер, ФИО, основа обучения); новым студентам генерируется пароль (логин = номер студенческого), выгрузка «ФИО, логин, пароль» (xlsx/csv), сброс пароля;
Распределение вариантов: студенту выбирается уровень (основная / повышенная), затем по группе раздаются варианты конкретной лабораторной (уникальны внутри группы, по возможности — между группами; если вариантов меньше студентов — допустимы повторы), есть ручное назначение номера.

Студент

вход по номеру студенческого и паролю; при первом входе смена пароля обязательна;
список работ и условие своего варианта (по каждой работе — с примерами входов/выходов и указаниями).

Остальное (отправка решений, задания на защиту/добор, тренировочные задачи, оценки) будет добавлено позднее.

Формат JSON лабораторной (`examples/lab1.json`)

{
  "number": 1,
  "title": "Одномерные массивы и последовательности",
  "semester": "осень",
  "deadline": "2026-10-01T23:59",
  "points_max": 5,
  "goal": "…", "common_requirements": "…",
  "variants": [
    { "level": "main", "number": "1", "statement": "…",
      "examples": [ { "input": "4\n1 2 3 4", "output": "10", "explanation": "…" } ],
      "notes": "…" },
    { "level": "advanced", "number": "21", "statement": "…" }
  ]
}

Деплой на сервер

Вариант 1 — Docker (рекомендую)

# на сервере: скопировать проект, затем
cp .env.example .env
nano .env                      # FRONTEND_PORT=8080 (или 80), API_PORT=8000
./deploy.sh                    # соберёт образы и поднимет сервисы
docker compose ps              # статус
docker compose logs -f         # логи

Данные (БД и загрузки) хранятся в volume lms_data — переживают перезапуск и пересборку. Бэкап одной командой: docker run --rm -v lms_lms_data:/data -v $PWD:/backup alpine tar czf /backup/lms-backup.tar.gz /data

Порты для наружу: пользователям нужен только lms-web (по умолчанию :8080). lms-api достаточно оставить внутри сети compose (в .env не публиковать API_PORT, либо ограничить доступ файрволом).

Вариант 2 — без Docker (процессы через systemd)

make install
# два юнита (пример /etc/systemd/system/lms-api.service):
#   ExecStart=/path/to/lms/.venv/bin/python -m uvicorn lms_api.main:app
#             --app-dir /path/to/lms/src/backend --host 0.0.0.0 --port 8000
#   Environment=LMS_API_URL=http://127.0.0.1:8000
# и аналогично lms-web на --host 0.0.0.0 --port 8080 (lms_web.main:app, src/frontend)

Удобно поставить lms-web за nginx (HTTPS, отдача статики проксируется на :8080), доступ к /api/v1/* на :8080 не требуется наружу.

Структура

src/backend/lms_api/   # API: core/{db,security,variants,xls_import}, routers
src/frontend/lms_web/  # веб: routers, templates, static
tests/smoke_test.py    # make test
examples/              # ПИ-11БО.xls, ПИ-12БО.xls, lab1.json
Dockerfile  docker-compose.yml  deploy.sh  Makefile  data/

5.7 KiB Raw Blame History Unescape Escape