xuyueandClaude Opus 5.5
625bd49801
Deploy / deploy (push) Canceled after 0s
compose.debian.yml 去掉外接形态，postgres / redis 固定由本栈起（PostgreSQL 18、Redis 8）。 docker/move-db-into-oj2.sh 把服务器上旧栈的 16 / 7 倒进来：先编镜像、确认机房已断开、 备份、恢复时剥掉 dump 里的 md5 口令（18 只认 SCRAM）、核对行数和网络登录，最后交给 deploy.sh。 生产库口令原来是默认的 onlinejudge（超级用户、5445 对公网开着），脚本要求换成强口令才执行。 本机按线上「之前」的状态完整演练过：停机到恢复 36 秒，行数一致，登录态保住，提交照常判题。 Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
224 lines
11 KiB
Markdown
224 lines
11 KiB
Markdown
# 部署
|
||
|
||
现行部署形态与操作。**具体变量怎么填看 `docker/.env.example`**，那份注释是权威；
|
||
这里只写它装不下的东西：两个站点的拓扑、上线的两条路、出事时的退路。
|
||
|
||
## 拓扑
|
||
|
||
| | 服务器（`oj.xuyue.cc`） | 机房 |
|
||
|---|---|---|
|
||
| compose | `docker/compose.debian.yml` | `docker/compose.school.yml` |
|
||
| env | `docker/.env` | `docker/.env.school` |
|
||
| 库 | 本栈的 `oj-postgres`（PostgreSQL 18） | **没有，连服务器那台的 5445** |
|
||
| Redis / 判题沙箱 | 各自一套 | 各自一套 |
|
||
| 对外 | NPM 反代 → `WEB_PORT` | http 直连 IP，端口 81 |
|
||
|
||
**两个站点共用一个数据库**，所以结构变更对两边同时生效；但判题队列（BullMQ 在本地
|
||
Redis）和 WebSocket 推送（本地 pub/sub）是每站独立的 —— 学生在哪边提交就在哪边判、
|
||
推送也只推得到连在本站的人。这和旧栈 Dramatiq + Channels 的拓扑一致，不是回归。
|
||
|
||
机房那套 `COOKIE_SECURE=false`：走 http 直连 IP，带 `Secure` 的 Cookie 浏览器不回传，
|
||
表现是「登录成功又立刻变未登录」。
|
||
|
||
## 全部容器都归 OJ2
|
||
|
||
服务器上 postgres / redis / 判题沙箱 / api / worker / web **全由 `compose.debian.yml` 起**，
|
||
升级哪个都只改仓库里的文件。
|
||
|
||
2026-10 以前库和 redis 是旧栈那份 `/root/OJDeploy/docker-compose.yml` 起的，OJ2 通过
|
||
`DB_HOST` / `REDIS_HOST` 外接过去，升个版本就得去服务器上改那份文件。这种「外接」形态
|
||
已经删掉了，搬家见下面「把库搬进 OJ2」。
|
||
|
||
⚠️ **`DATA_DIR` 默认值 `../data` 是 `OJ2/data`，不是部署目录的 `data/`。**
|
||
忘了设它，postgres 会在空目录上初始化一个空库，测试点和题面图片也都不在，
|
||
**而且不报错**。这是整个部署里唯一会静默走歪的地方，`deploy.sh` 专门为它设了自检
|
||
（`$DATA_DIR/postgresql/18/docker` 必须已经是一个库）。
|
||
|
||
## 口令
|
||
|
||
**会话存在 Redis 里**（`session:<token>` → 用户 id），谁能连上它，谁就能写一条会话
|
||
冒充任意用户，包括超管。所以服务器那台的 Redis **必须带口令**（`REDIS_PASSWORD`，
|
||
compose 里 `:?` 强制要求），端口也只发布在 127.0.0.1。2026-09-27 以前它发布在
|
||
`0.0.0.0:5446`、不带口令，从公网直接 PING 得通（实测过）。
|
||
|
||
**数据库口令同理**：`onlinejudge` 是超级用户，5445 对公网开着（机房要连），2026-10 以前
|
||
口令就是默认的 `onlinejudge`。搬进 OJ2 时用 `openssl rand -hex 32` 生成的新口令重建，
|
||
`move-db-into-oj2.sh` 不接受弱口令。`POSTGRES_PASSWORD` 只在库初始化时生效一次，以后要换：
|
||
|
||
```bash
|
||
docker exec -it oj-postgres psql -U onlinejudge -d postgres -c '\password onlinejudge'
|
||
# 再改 docker/.env 和机房 docker/.env.school 的 POSTGRES_PASSWORD，两边都重新 up -d
|
||
```
|
||
|
||
机房那台的 `oj-redis` 不发布端口、只在 compose 网络里，不需要口令。
|
||
|
||
## 上线
|
||
|
||
### 服务器：push 就部署
|
||
|
||
`.github/workflows/deploy.yml` —— 在 runner 上编好产物、rsync 到服务器、在服务器上
|
||
跑 `docker/deploy.sh --prebuilt`。触发的是 push 到 **github** 这个 remote
|
||
（`origin` 是 `git.xuyue.cc`，平时那次 push 不触发 —— 那边是 Gitea，没有
|
||
`.gitea/workflows` 时它的 Actions 会退回来读这份工作流，所以 job 上卡了
|
||
`github.server_url == 'https://github.com'`，在 Gitea 上直接跳过）：
|
||
|
||
```bash
|
||
git push github main
|
||
```
|
||
|
||
产物在 runner 上编是因为服务器性能差（首次构建约 5 分钟，光前端就 160s）。
|
||
**服务器自己编的能力没有砍掉**：不带 `--prebuilt` 就是原来的行为，只要有 docker
|
||
就能手动部署，不依赖 CI。
|
||
|
||
### 手工部署（机房、或 CI 不可用时）
|
||
|
||
```bash
|
||
cd /root/OJDeploy/OJ2
|
||
docker/deploy.sh # 自检 → 构建 → 迁移 → 起栈 → 冒烟
|
||
docker/deploy.sh --check # 只自检，只读，不动任何容器
|
||
docker/deploy.sh --no-build # 只改了 env / compose 时跳过构建
|
||
```
|
||
|
||
代码怎么上到服务器不归它管（rsync 命令在脚本头部注释里）。
|
||
|
||
脚本起栈前有一串自检，**每一条都是真撞到过的**：`DATA_DIR` 有没有生效、数据目录是不是
|
||
一个 18 的库、判题机运行目录、判题镜像在不在。起完再跑四条冒烟，**题目数是 0 也中止**
|
||
—— 那意味着连错库了。
|
||
|
||
### 判题镜像是自建的，不在 registry 上
|
||
|
||
`compose.*.yml` 里的 `oj2-judge-2` 是本机构建的（上游 JudgeServer 停更在
|
||
2024-04，官方镜像的编译器停在 gcc-13）。**新机器或换镜像之后，先把镜像 load 进去
|
||
再部署**：
|
||
|
||
```bash
|
||
# 本机
|
||
docker/judge/build.sh --save
|
||
scp dist/oj2-judge-2.tar root@服务器:/root/OJDeploy/
|
||
# 服务器 / 机房各来一次（两个站点各有各的判题沙箱）
|
||
docker load -i /root/OJDeploy/oj2-judge-2.tar
|
||
```
|
||
|
||
忘了这一步，`deploy.sh` 起栈时会去 pull 一个不存在的镜像并失败（响亮地失败，
|
||
不会静默降级）。构建、回滚和工具链版本表见 `docker/judge/README.md`。
|
||
|
||
### 迁移在起栈之前跑
|
||
|
||
`deploy.sh` 在「构建镜像」之后、「起栈」之前跑 `oj2-api migrate`，失败就中止部署
|
||
（旧容器原样还在跑）。所以不需要给 GitHub 配数据库凭据，也不用把生产库对外开放。
|
||
|
||
破坏性迁移（`DROP TABLE` / `DROP COLUMN` / `ALTER COLUMN ... TYPE` / `TRUNCATE`）
|
||
会让部署停在这一步并退出 4，放行的三条路见 `docs/database.md`。
|
||
|
||
## 部署后验证
|
||
|
||
命令能测的（服务器 `WEB_PORT`，机房 81）：
|
||
|
||
```bash
|
||
BASE=http://localhost:8080
|
||
curl -s -o /dev/null -w '首页 %{http_code}\n' $BASE/
|
||
curl -s -o /dev/null -w '站点配置 %{http_code}\n' $BASE/api/site
|
||
curl -s -o /dev/null -w '题目列表 %{http_code}\n' $BASE/api/problems
|
||
curl -s -o /dev/null -w '未登录进后台 %{http_code}\n' $BASE/api/admin/dashboard # 期望 401
|
||
```
|
||
|
||
两个失败模式的症状别搞混：
|
||
|
||
- **题目列表 `"total":0`** → 连错库了（`DATA_DIR` 指到了一个新初始化的空库）。
|
||
立刻停下来查。
|
||
- **库是对的，但判题全错、题面图片 404** → `DATA_DIR` 指错了。
|
||
|
||
命令测不到、必须手点的：登录 → 提交一道题看结果**实时刷出来**（这一步同时验证
|
||
WebSocket）→ 后台判题机列表在线 → 后台题目列表翻页 → 带图片的题面能显示。
|
||
机房额外确认一条：登录之后刷新还是登录态。
|
||
|
||
## NPM 反代
|
||
|
||
一次性配好的，只有改了 `WEB_PORT` 才要回去动端口。另外两项别关：
|
||
|
||
| 项 | 值 | 关了会怎样 |
|
||
|---|---|---|
|
||
| **Websockets Support** | 开 | 页面一切正常，唯独学生盯着的「判题中…」永远不动 |
|
||
| `client_max_body_size` | `200M` | 后台上传测试用例压缩包失败（和 Caddyfile 的 `200MiB` 对齐） |
|
||
| SSL | 签证书 | `COOKIE_SECURE=true` 依赖 https |
|
||
|
||
## 备份与灾难恢复
|
||
|
||
`docker/backup-db.sh` 走 `pg_dumpall` 全量（所有库 + 所有角色），带校验和保留策略。
|
||
恢复时有两条只在现场才暴露的坑：
|
||
|
||
1. **`pg_dumpall` 的备份会覆盖数据库口令。** 里面带 `ALTER ROLE onlinejudge ... PASSWORD`，
|
||
恢复完 compose 里的 `POSTGRES_PASSWORD` 就对不上了，报的是
|
||
`password authentication failed`，看起来和恢复毫不相干。恢复后要么把
|
||
`POSTGRES_PASSWORD` 改成备份当时的口令，要么手动 `ALTER ROLE`。
|
||
2. **恢复前必须先停应用。** 应用连着库时 dump 里的 `DROP DATABASE` 会失败
|
||
（`database "onlinejudge" is being accessed by other users`），接下来就是满屏主键冲突。
|
||
先停 oj-api / oj-worker，再恢复。
|
||
|
||
> **旧栈已经不可逆地下线**（`0002_drop_django_leftovers` 删掉了 Django 的框架表并已在
|
||
> 生产库执行完毕），所以「停新栈起旧栈」不再是退路，**唯一退路是从数据库备份恢复**。
|
||
|
||
## 把库搬进 OJ2（一次性，顺带 PostgreSQL 16 → 18、Redis 7 → 8）
|
||
|
||
`docker/move-db-into-oj2.sh` 把服务器上旧栈 compose 起的 postgres / redis 换成本栈的。
|
||
大版本不能原地换镜像（18 读不了 16 的目录），所以走「备份 → 新目录起 18 → 恢复」。
|
||
本机用 10-13 的生产备份搭了一套和线上一样的「之前」状态完整演练过：13 万条提交恢复
|
||
5 秒，行数一致，登录态保住，提交照常判题，机房那样从外面连 5445 新口令能进、旧口令被拒。
|
||
|
||
**挑没课的时候做**，两个站点共用这个库，中间两边都用不了（镜像在停机前编好，真正停机
|
||
的那段不到一分钟）。
|
||
|
||
```bash
|
||
# 0. 代码先推上去。CI 会照常 rsync，然后在 deploy.sh 自检停下（数据目录还不是 18）、
|
||
# 工作流判红 —— 这是预期的，容器一个没动，旧栈照常服务。
|
||
|
||
# 1. 机房：停应用
|
||
docker compose -f docker/compose.school.yml --env-file docker/.env.school stop oj-api oj-worker
|
||
|
||
# 2. 服务器：docker/.env 的 POSTGRES_PASSWORD 换成新生成的强口令（openssl rand -hex 32）
|
||
|
||
# 3. 服务器：搬家（CI 已经把产物 rsync 过来了，所以用 --prebuilt）
|
||
cd /root/OJDeploy/OJ2
|
||
docker/move-db-into-oj2.sh --prebuilt
|
||
|
||
# 4. 机房：docker/.env.school 的 POSTGRES_PASSWORD 改成同一个新值，然后（顺带换上 Redis 8）
|
||
docker compose -f docker/compose.school.yml --env-file docker/.env.school up -d --build
|
||
```
|
||
|
||
脚本每一步都有自检：机房没停（还有客户端连着旧库）会报出 IP 并中止，口令弱也中止，
|
||
恢复后行数对不上、新口令从网络登不上也中止。做完按「部署后验证」两边各点一遍。
|
||
|
||
之后：`/root/OJDeploy/docker-compose.yml` 里的 `oj-postgres` / `oj-redis` 删掉（留着的话
|
||
哪天有人 `up` 一下会和本栈抢端口）；`docker/.env` 里的 `DB_HOST` / `DB_PORT` /
|
||
`REDIS_HOST` / `REDIS_PORT` 也删掉（`deploy.sh` 会提醒）。
|
||
|
||
**恢复时为什么剥掉 dump 里的口令**：旧库的口令是 md5 哈希存的，dump 原样带着；而 18 的
|
||
镜像新建的库 `pg_hba.conf` 只认 `scram-sha-256`，md5 存的口令**永远验不过**。容器里
|
||
`docker exec psql` 走本地 socket 是 trust，一切看着正常，只有 api 和机房从网络连进来才报
|
||
`password authentication failed` —— 演练时就是这么发现的。剥掉之后库里留的是初始化时按
|
||
`POSTGRES_PASSWORD` 存的 SCRAM 哈希。
|
||
|
||
**中途失败**：停旧容器之前失败的，`docker start oj-api oj-worker` 就回去了。之后失败的，
|
||
旧库目录 `$DATA_DIR/postgres` 一个字节没动：
|
||
|
||
```bash
|
||
docker rm -f oj-postgres oj-redis # 本栈的 18 / 8
|
||
docker compose -f /root/OJDeploy/docker-compose.yml up -d oj-postgres oj-redis # 旧的 16 / 7
|
||
# docker/.env 的 POSTGRES_PASSWORD 改回旧口令、DB_HOST 那四个变量填回去，
|
||
# 代码退回搬家之前那个提交再 docker/deploy.sh
|
||
```
|
||
|
||
搬家之后写进 18 的数据回退时会丢。跑稳一两周再删 `$DATA_DIR/postgres`。
|
||
|
||
## 镜像体积
|
||
|
||
| 镜像 | 体积 | |
|
||
|---|---|---|
|
||
| `oj2-api` | 487MB | 其中 `clang-format`（apt）269MB、二进制 112MB、基底 79MB、`ruff` 28MB |
|
||
| `oj2-web` | 75MB | |
|
||
|
||
一半以上是 clang-format 拖进来的 LLVM（`libLLVM.so` 一个就 124MB）。设计文档当初写的
|
||
「降至数十 MB」没做到，就是漏算了它。想再瘦只有一条路：换成 PyPI 那个静态链接的
|
||
clang-format 独立二进制，能砍掉约 265MB。没做 —— 镜像是各站点本地构建的、不走镜像仓库，
|
||
磁盘不是瓶颈。
|