"哈尔滨工业大学(深圳)的一份问卷系统后端技术选型报告,选择了Python搭配Tornado框架作为主力后端,并辅以C++优化性能关键部分。该报告基于软件设计与开发实践课程,考虑了编码人员经验、业务需求和综合考量因素。"
在软件设计与开发实践中,哈尔滨工业大学(深圳)的小组进行了一项问卷系统后端的技术选型工作。他们最终决定采用Python作为主要的后端开发语言,并结合Tornado框架来构建这一系统。这一决策基于三个关键因素:参与编码人员的经验、业务需求以及综合考量。
首先,团队成员对C++、Python和JavaScript都有一定掌握,其中一位同学还具有C++11和Python Tornado框架的实践经验,这为使用C++进行性能关键部分的开发和利用Python的Tornado框架处理高并发的异步任务提供了基础。
其次,考虑到业务需求,问卷系统的两个核心功能是问卷生成和提交。问卷生成涉及到大量的IO和CPU密集型操作,而问卷提交则需要处理大量非活跃长连接,需要异步处理能力。Python的Tornado框架因其在异步处理方面的优势,被选定用于处理这些需求。
再者,从综合考量的角度出发,虽然C++可以提供更好的性能,但其开发web后端功能相对繁琐且开发周期较长。相比之下,Python的易用性和丰富的库资源可以快速搭建应用平台。因此,团队决定将C++用于CPU密集型部分,而Python则负责Web框架和异步处理,这样能在开发效率和性能之间取得平衡。
为了降低维护成本,团队引入了sonarlint进行代码质量检查和规范编码,同时利用traitlets包对Python类进行类型检查和动态计算,从而提高代码质量,减少后期维护的难度。
最后,报告中提到了Tornado的官方文档链接,供读者进一步了解这个框架。发布时间为2020年5月8日,文档版本为V1.0,密级为A级,体现了项目的技术成熟度和安全性。
通过这样的技术选型,该小组有效地结合了Python的易用性和Tornado的高性能,同时利用C++优化了特定性能需求,为构建一个高效、易于维护的问卷系统奠定了坚实的基础。