在搭建 OJ 平台时，你选用了哪种编程语言和框架？为什么选择它们，它们在处理在线评测任务时有哪些优势？
Vue3+FastAPI是前端，python3是后端。FastAPI高效灵活，是用于构建API的高效的python web框架。vue3高效响应，处理大数据更优秀，相对于vue2来说选项式API，组合式API将函数封装在一起，方便代码的复用性和维护性。python简单高效有丰富的第三方库。
处理在线测评任务时python的subprocess模块可以方便的处理和管理子进程，用于运行用户提交的代码。
在 Vue3 和 FastAPI 的选型上，你主要考虑了它们的哪些特性来适配在线判题系统的需求？
vue3响应式系统优化可以更快速刷新界面，使得数据驱动速度更高效。组合式API使代码逻辑清晰，复用性高。vue3生态系统丰富，有更多好用的组件，加快开发速度。
fastapi基于python，语法简洁高效，开发率高。利用异步编程（await）可以更好地处理并发判题。fastapi有自动生成api文档的功能便于前后端交互和后期系统维护和扩展。
在线判题系统中，判题逻辑是核心部分。请详细阐述你是如何在 FastAPI 后端实现判题逻辑的，包括对不同编程语言代码的编译、运行和结果比对的处理方式。
对不同语言的处理方式不同，python用内置函数执行代码。通过捕获标准输出和标准错误来获取运算结果。对于c/c++，调用系统编译器（gcc）对代码编译生成可执行文件，然后运行可执行问价获得输出。判题，则用预先准备好的测试用例进行比对，同时设置运行时间限制防止恶意代码导致系统资源耗尽。
为了保证系统的稳定性和性能，在设计和实现过程中，你采取了哪些优化措施？比如在前端 Vue3 部分的渲染优化，或者后端 FastAPI 应对高并发判题请求的策略。
前端对图片资源压缩和懒加载处理，提升页面加载速度。
后端fastapi利用异步特性，使用uvicorn服务器处理高并发请求。
在 Vue3 前端与 FastAPI 后端进行交互时，你是如何设计数据传输格式和接口规范的？有没有遇到跨域问题，又是如何解决的？
数据传输格式是JSON，因为他简介易于解析，前后端都有很好的支持。
接口规范遵循RESTful API原则，比如使用不同的http方法（GET\POST\PUT\DELETE等）来对应不同的操作，如获取题目列表使用GET请求，提交代码使用POST请求。
考虑到用户在系统中提交代码可能存在恶意代码攻击的风险，你在系统设计中采取了哪些安全防护措施？
进行验证码输入，检查是否包含危险的系统命令或者敏感操作。用Docker容器技术，将用户代码和其他系统部分隔离开来。
在线判题系统可能会涉及多种编程语言的支持，你在实现对不同编程语言的支持时，遇到的最大挑战是什么，又是如何克服的？
最大挑战是不同语言编译和运行环境差距较大，解决方法是了解个语言的编译运行原理，然后针对每种语言编写相应的代码解析和执行模块。同时，简历统一接口运行不同语言的运行结果。
请描述一下系统的用户管理模块是如何设计的，包括用户注册、登录、权限管理等功能的实现细节。
用户注册时，前端会收集用户基本信息，进行基本的格式验证。然后将这些信息通过post请求发送到后端FastAPI的注册接口。后端会对用户名和邮箱进行唯一性检查，若不重复则存储密码到数据库中（哈希加密）
登录时，用户输入用户名和密码，前端讲这些信息发送到后端的登录接口。后端从数据库中查询对应的用户信息，验证密码是否匹配。若匹配，则生成一个Token并返回给前端，前端将token存在本地，用于后续身份验证。权限管理则根据不同角色设置不同权限，后端每个接口都会检查token，然后通过token决定是否能访问。