use queue to allow send vscode_ws when it is none

2025-11-03 13:51:15 +08:00
parent 6c38e9067d
commit ce88ae645e
8 changed files with 220 additions and 413 deletions
--- a/Html/apps/extension_ase/ase_client/manager.py
+++ b/Html/apps/extension_ase/ase_client/manager.py
@@ -14,6 +14,8 @@ from dataclasses import dataclass, field
 from typing import Dict, Optional
 import subprocess
 import threading
+from collections import deque
+from eventlet.semaphore import Semaphore
 from apps.utils import *

 EMPTY_CHAPTER_CHAIN = [ Chapter(1, CHAPTER_FOCUS, "本章是未打开某个具体章节时的默认章节。", "处于本章节时不会有任何章节跳转。请作为一名经验丰富的算法教师，回答用户的问题。") ]
@@ -47,7 +49,9 @@ class ChatManager:
        self.function_manager = FunctionManager()
        self.bb = None
        self.chat_historys = None
-        pass
+        self.vscode_ws = None
+        self._vscode_queue = deque()
+        self._lock = Semaphore(1)
        

    def init(self,user_uuid,ase_client,raw_markdown,raw_markdown_prompts,raw_score_prompts,material_id,chapter_name, lesson_name, max_iter = 5, app=None, socketio=None):
@@ -65,8 +69,41 @@ class ChatManager:
        self.bb = None 
        self.chat_historys = []

+
+    def send_to_vscode(self, event: str, data: dict, room: str = None, namespace: str = '/vscode'):
+        """统一发送入口：未就绪则入队，就绪则直接 emit。"""
+        if room is None:
+            room = self.user_uuid
+
+        with self._lock:
+            if self.vscode_ws is not None:
+                # 已就绪，直接发
+                self.vscode_ws.emit(event, data, room=room, namespace=namespace)
+            else:
+                # 未就绪，入队缓存
+                self._vscode_queue.append((event, data, room, namespace))
+
+    def set_vscode_ws(self, ws):
+        """在 on_login 时调用，注册 websocket 并立刻 flush 队列。"""
+        with self._lock:
+            self.vscode_ws = ws
+            self._flush_vscode_queue_locked()  
+    
+    def _flush_vscode_queue_locked(self):
+        """发送缓存的消息（需在持锁状态下调用）。"""
+        while self._vscode_queue:
+            event, data, room, namespace = self._vscode_queue.popleft()
+            # 这里假设 ws 仍然有效；如果发送失败可以考虑 try/except 并回滚入队
+            self.vscode_ws.emit(event, data, room=room, namespace=namespace)          
+    def mark_vscode_disconnected(self):
+        """可在 on_disconnect 里调用，标记断开（之后会继续缓存）。"""
+        with self._lock:
+            self.vscode_ws = None
+            self._vscode_queue.clear()
+
    def disconnect(self, uuid):
        try:
+            self.mark_vscode_disconnected()
            self.stop(uuid)
            self.ase_client.disconnect()
        except Exception as e:
@@ -77,7 +114,7 @@ class ChatManager:
        nowchapter_content = self.chapter_chain[self.chapter_chain_now].chapter
        code_texts = extract_code_blocks(nowchapter_content)
        for code_text in code_texts:
-            self.vscode_ws.emit('code-file', {'type':'create', 'data':code_text, 'chapter_title': self.chapter_chain[self.chapter_chain_now].title}, room=self.user_uuid ,namespace='/vscode')
+            self.send_to_vscode('code-file', {'type':'create', 'data':code_text, 'chapter_title': self.chapter_chain[self.chapter_chain_now].title}, room=self.user_uuid ,namespace='/vscode')


    def next_chapter(self):
--- a/Html/apps/sockets/namespaces.py
+++ b/Html/apps/sockets/namespaces.py
@@ -14,6 +14,9 @@ from ..services.user_service import get_or_load_current_user


 class VSCodeNamespace(Namespace):
+    
+
+
    def on_login(self,data):        
        ex = current_app.extensions
        print("VSCode client connected")
@@ -25,8 +28,7 @@ class VSCodeNamespace(Namespace):
        print(f"User {user_uuid} connected with path: {path}")
        join_room(user_uuid, namespace='/vscode')
        chatmanager = ex['user_uuid2chatmanager'][user_uuid]
-        chatmanager.vscode_ws=self
-
+        chatmanager.set_vscode_ws(self)


    def on_load_chapter(self, data):
--- a/Html/apps/static/68bacdfadf5aeae0912f7f18-第三周-分治法实践与优化.html
+++ b/Html/apps/static/68bacdfadf5aeae0912f7f18-第三周-分治法实践与优化.html
@@ -0,0 +1,172 @@
+
+    <!DOCTYPE html>
+    <html>
+    <head>
+        <meta charset="UTF-8">
+        <title>Document</title>
+        <!-- 你的其他样式 -->
+        
+    <script src="https://cdn.jsdelivr.net/npm/mathjax@3/es5/tex-mml-chtml.js"></script>
+    <script>
+        MathJax.config = {
+            tex: {
+                inlineMath: [['$', '$'], ['\(', '\)']]
+            },
+            svg: {
+                fontCache: 'global'
+            }
+        };
+    </script>
+    
+    </head>
+    <body>
+        <h1>分治策略进阶与主方法</h1>
+<blockquote>
+<p>Auto-generated at 2025-09-22 15:44</p>
+</blockquote>
+<h2>分治策略进阶与主方法</h2>
+<h3>最大子数组问题</h3>
+<h4>任务：编码与分析</h4>
+<h5>场景介绍</h5>
+<p>我们的任务是分析每日交通流量的<strong>变化数组</strong>（正数代表流量增加，负数代表减少），并找到哪一个<strong>连续时段</strong>的流量总增量最大。这在算法上被称为“最大子数组问题” 。</p>
+<p>例如，对于流量变化数组<code>[13, -3, -25, 20, -3, -16, -23, 18, 20, -7, 12, -5, -22, 15, -4, 7]</code>，总增量最大的连续时段是从第8天到第11天，总增量为 <code>18 + 20 - 7 + 12 = 43</code> 。
+虽然这个问题可以通过O(n2) 的暴力法求解，但我们将使用更高效的分治策略。</p>
+<h5>题目：最大交通流量增量</h5>
+<p>你需要实现一个分治算法来解决最大子数组问题。
+同时，为了对比，你也会实现一个暴力求解算法。</p>
+<h5>代码框架</h5>
+<p>在下方代码编辑区，完成 <code>find_maximum_subarray</code>（分治法）和 <code>find_max_crossing_subarray</code> 以及 <code>find_maximum_subarray_brute</code>（暴力法）三个函数。</p>
+<pre><code class="language-python">import time
+import random
+
+def find_maximum_subarray_brute(arr):
+    &quot;&quot;&quot;
+    使用暴力法求解最大子数组问题
+    返回: (最大和, 开始索引, 结束索引)
+    &quot;&quot;&quot;
+
+#--- 本周任务：请在下方实现分治算法 ---
+
+def find_max_crossing_subarray(arr, low, mid, high):
+    &quot;&quot;&quot;
+    找到跨越中点的最大子数组
+    返回: (最大和, 开始索引, 结束索引)
+    &quot;&quot;&quot;
+    # TODO: 实现寻找跨越中点的最大子数组的逻辑
+    # 提示: 从mid向左和向右分别扫描，找到各自的最大和
+
+def find_maximum_subarray(arr, low, high):
+    &quot;&quot;&quot;
+    使用分治法求解最大子数组问题
+    返回: (最大和, 开始索引, 结束索引)
+    &quot;&quot;&quot;
+    # TODO: 实现分治递归逻辑
+    # 提示: 递归基是当数组只有一个元素时
+
+#--- 测试与对比部分 --- 以下内容无需修改
+traffic_changes = [13, -3, -25, 20, -3, -16, -23, 18, 20, -7, 12, -5, -22, 15, -4, 7]
+print(f&quot;交通流量变化数据: {traffic_changes}&quot;)
+
+#使用分治法
+max_sum_dc, start_dc, end_dc = find_maximum_subarray(traffic_changes, 0, len(traffic_changes) - 1)
+print(f&quot;分治法结果: 最大增量 = {max_sum_dc}, 时段 = Day {start_dc} to Day {end_dc}&quot;)
+
+#使用暴力法验证
+max_sum_brute, start_brute, end_brute = find_maximum_subarray_brute(traffic_changes)
+print(f&quot;暴力法结果: 最大增量 = {max_sum_brute}, 时段 = Day {start_brute} to Day {end_brute}&quot;)
+
+#性能测试
+large_data = [random.randint(-50, 50) for _ in range(2000)]
+start_time = time.perf_counter()
+find_maximum_subarray(large_data, 0, len(large_data) - 1)
+dc_time = (time.perf_counter() - start_time) * 1000
+print(f&quot;\n在 n=2000 的数据集上，分治法耗时: {dc_time:.2f} ms&quot;)
+
+start_time = time.perf_counter()
+find_maximum_subarray_brute(large_data)
+brute_time = (time.perf_counter() - start_time) * 1000
+print(f&quot;在 n=2000 的数据集上，暴力法耗时: {brute_time:.2f} ms&quot;)
+</code></pre>
+<h3>分治经典算法：快速排序</h3>
+<h4>快速排序原理</h4>
+<p>快速排序（Quick Sort）是分治法的经典应用之一。与归并排序不同的是，快速排序通过原地划分数组来完成排序，无需额外的同规模辅助存储空间。它在平均情况下表现极为高效，是实际应用中常用的排序算法之一。</p>
+<p>快速排序的分治核心思路非常好理解，对于一个未排序的数组，希望分解为左区间和一个“枢轴（pivot）”元素和右区间，其中左区间的数都小于等于枢轴，右区间的都大于等于枢轴。
+我们这里用一种固定枢轴法来将序列变成上述的区间情况：
+”选取数组第一个元素作为枢轴，用一个移动变量指向数组末尾元素并不断向前移动，直到找到第一个小于枢轴的元素，将该元素与枢轴位置交换，然后从枢轴原位置的下一位个元素开始往后找第一大于的交替，重复上述过程，最终实现以枢轴为界划分出左小右大的区间，再对左右区间递归执行此操作完成排序“</p>
+<h4>任务：编码与实验</h4>
+<p>现在你需要亲手实现快速排序算法，并通过实验验证其在不同输入情况下的性能差异。</p>
+<p>实现 quick_sort(arr) 函数，使用分治策略对传入的数组进行排序。为简单起见，可选择每次固定使用数组的第一个元素作为枢轴，将比枢轴小的元素放在左侧，比枢轴大的放在右侧，然后递归地排序左右子数组。完成实现后，我们将利用性能测试函数对比有序输入（近似最坏情况）和随机输入（平均情况）下算法的运行时间。
+代码框架
+请在下方代码编辑区完成 quick_sort(arr) 的实现。</p>
+<pre><code>import random
+import time
+
+def quick_sort(arr):
+    &quot;&quot;&quot;
+    实现快速排序算法（固定枢轴策略）
+    参数arr: 待排序的数组
+    返回: 排序后的数组
+    &quot;&quot;&quot;
+    # TODO: 实现快速排序的分治逻辑
+    # 提示：选取第一个元素为枢轴，递归排序左右子数组
+
+def measure_performance(sort_func, data):
+    start_time = time.perf_counter_ns()
+    sort_func(data.copy())   # 对数据副本排序，避免影响原数据
+    end_time = time.perf_counter_ns()
+    return (end_time - start_time) / 10**6  # 转换为毫秒
+
+#性能测试：对比有序输入和随机输入
+sizes = [1000, 5000, 10000]
+print(&quot;快速排序性能测试（固定枢轴）:&quot;)
+for n in sizes:
+    sorted_data = list(range(n))
+    random_data = [random.randint(0, 10**6) for _ in range(n)]
+    time_sorted = measure_performance(quick_sort, sorted_data)
+    time_random = measure_performance(quick_sort, random_data)
+    print(f&quot;数据规模 n={n}: 有序输入 {time_sorted:.2f} ms, 随机输入 {time_random:.2f} ms&quot;)
+</code></pre>
+<p>完成编码并运行测试，报告时间差异。</p>
+<h3>快速排序的复杂度分析</h3>
+<h4>时间复杂度</h4>
+<p>基于 “划分 - 递归” 核心逻辑，时间复杂度由<strong>划分效率（枢轴选择）<strong>和</strong>递归深度</strong>共同决定
+三种典型场景：最坏情况、平均情况、最佳情况</p>
+<p>最坏情况：每次划分得规模 n-1 和 0 的子数组
+平均情况：输入随机 / 等概率选枢轴
+最佳情况：每次划分平分数组</p>
+<h4>空间复杂度</h4>
+<p>快速排序比归并排序更常用的一点在于，快排是“原地的”。</p>
+<h3>注入随机进行优化：随机快排与期望复杂度</h3>
+<h4>分析</h4>
+<p>为了避免固定枢轴选择导致的最坏情况，我们可以引入随机化策略优化快速排序。
+随机快排在每次划分时随机选择枢轴，从概率上保证划分均衡，从而将最坏情况表现转化为极低概率事件。
+理论上可以证明，随机快排对任何输入的期望时间复杂度为<eq>O(n \log n)</eq>，且大幅降低了出现<eq>O(n^2)</eq>耗时的概率。</p>
+<h4>实践</h4>
+<pre><code>import random
+import time
+
+def random_quick_sort(arr):
+    &quot;&quot;&quot;
+    实现随机快速排序算法（随机选择枢轴）
+    参数arr: 待排序的数组
+    返回: 排序后的数组
+    &quot;&quot;&quot;
+
+
+def quick_sort(arr):
+    &quot;&quot;&quot;
+    你在上一章实现的快排内容
+    &quot;&quot;&quot;
+
+#验证随机快排在极端有序输入下的性能
+n = 10000
+sorted_data = list(range(n))
+time_fixed = measure_performance(quick_sort, sorted_data)
+time_random = measure_performance(random_quick_sort, sorted_data)
+print(f&quot;数据规模 n={n}: 固定枢轴快排 {time_fixed:.2f} ms, 随机枢轴快排 {time_random:.2f} ms&quot;)
+
+</code></pre>
+
+    </body>
+    </html>
+    
--- a/Html/apps/templates/navbar.html
+++ b/Html/apps/templates/navbar.html
@@ -11,8 +11,8 @@
    {% if role == 'teacher' %}
        <!-- 如果是教师角色 -->
        <div class="navbar-links">
-            <a href="/teacherindex">首页</a>
-            <a href="/teacherdashboard">课程</a>
+            <a href="/">首页</a>
+            <a href="/teacherboard">课程</a>
            <a href="/teachergrades">成绩</a>
        </div>
    {% else %}