OJ2/docs/deploy.md

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	本机 postgres（旧栈起的，原地没动）	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」。

三种数据形态

compose.debian.yml 靠 env 切换，判据是 DB_HOST：

• 外接数据（线上就是这个）：设 DATA_DIR / DB_HOST / REDIS_HOST， 沿用已经在跑的 postgres 和 redis，本栈只起 api / worker / web / judge。
• 自带数据（本机、演练）：那几个变量留空，起栈时加 --profile local-data。
• 试跑形态额外要 WEB_PORT 和 JUDGE_STATE_DIR（两个判题机不能共用运行目录）。

⚠️ DATA_DIR 默认值 ../data 是 OJ2/data，不是部署目录的 data/。 沿用旧数据却忘了设它，会静默挂上一堆空目录：空库、没测试点、题面图片 404， 而且不报错。这是整个部署里唯一会静默走歪的地方，deploy.sh 专门为它设了一道自检。

Redis 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：compose.debian.yml 的 REDIS_URL 用 ${REDIS_PASSWORD:?} 强制要求，deploy.sh 在外接形态下还会实测 「不带口令连不上、带 docker/.env 的口令连得上」，两条有一条不满足就中止部署。

2026-09-27 以前，旧栈 compose 起的那个 oj-redis 发布在 0.0.0.0:5446、不带口令， 从公网直接 PING 得通（实测过）。给它加口令的一次性步骤，在服务器上：

cd /root/OJDeploy
PW=$(openssl rand -hex 32)
echo "REDIS_PASSWORD=$PW" >> OJ2/docker/.env
# 编辑 docker-compose.yml 的 oj-redis，加一行（$PW 换成上面的值，别提交到任何仓库）：
#   command: ["redis-server", "--requirepass", "<PW>"]
docker compose up -d oj-redis           # 重建 redis，此刻起旧口令（无）的连接全部失败
cd OJ2 && docker/deploy.sh              # 马上重新部署，api / worker 带上口令

两步之间 api 连不上 Redis，站点会 500 一两分钟，挑没人用的时候做。 会话会保留（redis 退出时落盘 RDB），学生不用重新登录。

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）：

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）

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：compose 版本 ≥ 2.20、DATA_DIR 有没有生效、库指向和形态是否自洽、判题机运行目录有没有和旧栈分开、外接的 postgres / redis 是否活着。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：

# 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）：

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（DB_HOST 没设，或误加了 --profile local-data 起了个自带的空 postgres）。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。

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。