綦江烟草系统学习

作者:ZDN_is_beauty日期:2026/9/25

一.一个系统由哪几块组成

前端画界面 + 收集用户操作
后端处理业务逻辑 + 调数据库 + 调算法
数据库存取数据
算法专门算风险分

API(接口)

定义:前端和后端之间的约定。前端说"我要什么",后端说"给你什么"。

这个项目里:后端定义了 40 多个 API,比如:

  • POST /api/auth/login —— 登录
  • GET /api/results/b —— 查 B 端结果
  • POST /api/tasks —— 创建算法任务

类比:菜单。服务员(前端)照着菜单(API)向后厨(后端)点菜。

一个 API 长什么样?

text

GET /api/results/b?page=1&pageSize=20

  • GET:我要"拿"数据(不是"给"数据)
  • /api/results/b:我要 B 端结果
  • ?page=1&pageSize=20:我要第 1 页,每页 20 条

二、第二课:一个请求的完整旅程

现在,我们真正打开代码,跟着一次点击走完全程。

场景:你在浏览器里点了一下左侧菜单的 "B 端结果"。


【第 0 步】你在浏览器里看到了什么

左侧有一排菜单,其中一个是"B 端结果"。你点了一下。

这一步的代码在哪?

web/tobacco_system/frontend/src/layout/MainLayout.vue

这个文件就是左侧菜单的"图纸"。里面定义了 6 个菜单分组、15 个菜单项。"B 端结果"是其中之一,它对应一个路由地址,比如 /b-results。

什么是路由?
你可以理解成"网址里的路径"。就像:

  • 你打开 qijiang.com/b-results → 显示 B 端结果页
  • 你打开 qijiang.com/c-results → 显示 C 端结果页

路由就是**"哪个网址显示哪个页面"的对照表**。


【第 1 步】前端:从"点击"到"发请求"

你点击后,前端做了两件事:

① 切换页面

src/router/index.ts 这个文件里有一张路由表,它说:

text

/b-results → 显示 BResults.vue 这个页面组件

于是前端把页面换成 B 端结果页。

② 页面加载时,自动去后端要数据

src/views/BResults.vue(B 端结果页)被打开后,它内部会执行一段代码,大意是:

javascript

// 打开页面时,去后端要第 1 页数据 const data = await getBResults({ page: 1, pageSize: 20 })

这里的 getBResults 就是一个 API 调用函数。

所有 API 函数都在这个文件里:src/api/tobacco.ts

这个文件里有 56 个函数,每个函数对应后端的一个接口。比如:

前端函数对应的后端接口
getBResultsGET /api/results/b
getCResultsGET /api/results/c
loginPOST /api/auth/login
createTaskPOST /api/tasks

【第 2 步】前端:真正发出"网络请求"

getBResults 内部会调用一个更底层的工具:src/api/client.ts

这个文件是所有网络请求的"总闸"。它用的是浏览器自带的 fetch 函数(不是 axios),负责:

这一步发出去的东西,就是一个 HTTP 请求。

什么是 HTTP 请求?

你可以把它想象成一封信:

  • 信封上写地址:GET /api/results/b?page=1&pageSize=20(我要什么)
  • 信封里带证件:Authorization: Bearer xxxxx(我是谁)
  • 寄出去:通过互联网发给服务器

服务器收到后,回一封信(HTTP 响应),里面装着你要的数据。

请求长这样(简化版):

text

GET /api/results/b?page=1&pageSize=20 Authorization: Bearer eyJhbGci...


【第 3 步】后端:收到请求,找到对应的处理函数

请求飞到服务器后,被 FastAPI(后端框架)接住。

FastAPI 做的事情:看请求的路径 /api/results/b,去路由表里找,谁能处理这个路径。

所有的后端接口都定义在这一个文件里:app/api/routes.py

这个文件大约 1000 行,包含 40 多个接口。它就像后端的"总机"。

里面有一个函数专门处理 /api/results/b,大概长这样(简化):

python

@router.get("/results/b", response_model=PaginatedBResults) def get_b_results( page: int = 1, pageSize: int = 20, current_user: CurrentUser = Depends(require_user), # ← 先验证登录 ): return query_b_results(page=page, page_size=pageSize)

逐行解释:

  • @router.get(...):装饰器,告诉 FastAPI "这个函数负责处理 GET /results/b"
  • response_model=PaginatedBResults:告诉 FastAPI "返回的数据要符合这个格式"
  • page: int = 1:从网址里读 page 参数,默认是 1
  • Depends(require_user):先检查你有没有登录,没登录直接返回 401
  • query_b_results(...):真正去查数据库的函数

什么是"装饰器"?
就是写在函数上面的 @xxx 那一行。它的作用是给这个函数贴个标签,告诉框架"这个函数是干嘛的"。
你不需要理解它的实现,只要知道:看到 @router.get(...) 就说明这是一个对外的 API。


【第 4 步】后端:去数据库捞数据

query_b_results 这个函数在另一个文件里:

app/services/tobacco_db_service.py

这个文件是整个后端最大的一个(60KB),专门负责"从数据库查数据"。

它内部会做这些事:

python

1. 打开数据库连接

with get_anomaly_session() as session:

# 2. 写一个查询:从 tobacco_b_result 表里,按风险分从高到低排序
stmt = select(TobaccoBResult).order_by(TobaccoBResult.final_risk_score.desc())

# 3. 加上"只查当前批次"的条件
stmt = stmt.where(TobaccoBResult.batch_id == current_batch_id)

# 4. 分页:跳过前 N 条,取 20 条
stmt = stmt.offset((page - 1) * page_size).limit(page_size)

# 5. 执行查询
rows = session.scalars(stmt).all()

# 6. 顺便统计一下总共有多少条(给前端显示"共 XX 条")
total = session.scalar(select(func.count()).select_from(TobaccoBResult)...)

关键点:这里出现了 ORM(对象关系映射)。

什么是 ORM?

数据库里的表是二维表格(行和列)。Python 代码里操作表格很别扭。
ORM 的作用是:把每一行数据变成一个 Python 对象,你就可以像操作普通对象一样操作它。

比如数据库里有一行:

text

零售商ID: R001, 最终风险分: 92, 危险等级: L4

ORM 会把它变成一个对象:

python

row.零售商ID # "R001" row.final_risk_score # 92 row.risk_level # "L4"

这个项目用的 ORM 是 SQLAlchemy。

ORM 模型定义在哪?

app/models/tobacco.py

这个文件里定义了所有数据库表的"Python 版本"。比如:

python

class TobaccoBResult(AnomalyBase): tablename = "tobacco_b_result" # 对应数据库里的表名

id = mapped_column(Integer, primary_key=True)
batch_id = mapped_column(String(64))
retailer_id = mapped_column(String(64))       # 零售商ID
final_risk_score = mapped_column(Float)        # 最终风险分
risk_level = mapped_column(String(16))         # 危险等级
...

记住这个对应关系:

数据库世界Python 世界
表 tobacco_b_result类 TobaccoBResult
一行数据一个对象(实例)
一列一个属性(row.final_risk_score)

【第 5 步】数据返回:从数据库 → 后端 → 前端

数据库把数据交给后端。后端做两件事:

① 包装成前端要的格式

后端不能直接把"数据库对象"扔给前端(前端不认识)。它要把数据转成 JSON。

什么是 JSON?

JSON 就是一种文本格式,长得像 Python 的字典和列表。所有语言都能读懂它。

例子:

json

{ "total": 1234, "items": [ { "retailerId": "R001", "finalRiskScore": 92, "riskLevel": "L4" }, { "retailerId": "R002", "finalRiskScore": 88, "riskLevel": "L4" } ] }

这个"转 JSON"的过程由 Pydantic 负责。Pydantic 的模型定义在:

app/schemas/tobacco.py

这个文件定义了所有"请求长什么样"和"响应长什么样",比如 PaginatedBResults(分页的 B 端结果)。

Pydantic 的作用:约定数据的格式。它保证后端返回的 JSON,字段名和类型都符合前端期望。

② 返回响应

后端把 JSON 塞进 HTTP 响应,发回给前端。


【第 6 步】前端:拿到数据,渲染界面

前端收到 JSON 后,把它交给 Vue 处理。Vue 会:

  • 把 items 数组渲染成表格的每一行
  • 把 total 显示在"共 1234 条"
  • 把 riskLevel 渲染成彩色的标签(L4 红色、L3 橙色……)

"渲染"是什么?

就是"把数据变成你看到的画面"。Vue 的核心能力就是这个:数据一变,页面自动更新。


三、完整流程图(请截图保存)

text

你点击"B端结果" │ ▼ [前端] MainLayout.vue 菜单 → router/index.ts 路由 → BResults.vue 页面 │ ▼ [前端] BResults.vue 调 getBResults() ← src/api/tobacco.ts │ ▼ [前端] client.ts 用 fetch 发出 HTTP 请求 │ GET /api/results/b?page=1&pageSize=20 │ Authorization: Bearer xxx ▼ [网络] ────────────────────────────────────────► │ ▼ [后端] FastAPI 收到请求 → routes.py 找到 get_b_results 函数 │ ▼ [后端] Depends(require_user) 先验证登录 ✅ │ ▼ [后端] 调 query_b_results() ← tobacco_db_service.py │ ▼ [数据库] MySQL 执行 SQL,从 tobacco_b_result 表捞出 20 行 │ (表结构定义在 models/tobacco.py) ▼ [后端] SQLAlchemy 把每行变成对象 → Pydantic 转成 JSON │ (格式定义在 schemas/tobacco.py) ▼ [网络] ◄──────────────────────────────────────── │ HTTP 200 + JSON ▼ [前端] BResults.vue 拿到数据,Vue 渲染成表格 │ ▼ 你看到了 B 端结果表格 🎉


四、一个"陷阱"提醒(现在只需知道,不用深究)

这个项目有个很特别的设计:"当前批次"不存在请求里。

一般系统会在请求里带 ?batchId=xxx,但这个系统不是。它把"你当前选的批次"存在服务器的数据库里(tobacco_user_session 表的 selected_batch_id 字段)。

后端在处理请求时,通过 app/services/request_context.py 这个工具,隐式地读到当前批次。

后果:同一个账号,在两个浏览器标签页里,不能选不同批次——后选的会覆盖先选的。

这个设计新手最容易踩坑,先记住现象就行,后面专门讲。


五、今天的小作业

这次作业全部是"找文件",不用写代码。 请你在脑子里(或打开项目文件夹)回答:

  1. 前端:
    • 左侧菜单的定义在哪个文件?
    • 所有 API 调用函数集中在哪个文件?
    • 发网络请求的"总闸"是哪个文件?
  2. 后端:
    • 所有 API 接口定义在哪个文件?
    • 定义"响应数据格式"的文件是哪个?
    • 定义"数据库表"的文件是哪个?
  3. 流程题(用大白话):
    假设你在 B 端结果页,把每页改成 50 条。请按顺序说出,哪 6 个文件/环节会被涉及到?(提示:参考上面的流程图)

参考文档


《綦江烟草系统学习》 是转载文章,点击查看原文。


相关推荐


【AI大模型接入SDK】LLMManager架构设计与实现
艾莉丝努力练剑2026/9/17

🎬 个人主页:艾莉丝努力练剑 ❄专栏传送门:《C语言》《数据结构与算法》《C/C++干货分享&学习过程记录》 《Linux操作系统编程详解》《笔试/面试常见算法:从基础到进阶》《Python干货分享》 ⭐️为天地立心,为生民立命,为往圣继绝学,为万世开太平 🎬 艾莉丝的简介: 文章目录 1 ~> 项目背景与设计目标1.1 现有模型接入方案1.2 现有方案存在的问题1.3 LLMManager 设计目标 2 ~> 核心抽象与数据结构2.1 LL


2024上半年,零售行业三大观察
2601_962099082026/9/9

字数:1563;阅读时间:4分钟 宏观层面增长放缓 将目光投至2024年上半年, 零售业相关数据有了体现, 增长速度变缓的景象慢慢明晰起来, 逐一被揭晓呈显出, 并且渐次清晰可见。 以国家统计局所给出的数据来看, 社会消费品零售总额尽管呈现出保持增长的态势, 不过, 其增速显著地放缓了, 同比增长为3.7%, 那么, 这一数字背后隐匿着零售业的哪些秘密呢? 不同零售业态的表现呈现出分化的态势。 便利店的零售额增长速度, 与专业店以及超市有所不同。其中, 便利店同比增长率以5.8%占


2.django - 项目结构和模板语法
Aa123456789_552026/9/1

静态文件要放在app/static目录中。Django会自动在这个文件中寻找对应模板 模板语法 本质上是django专属在HTML中的一些占位符。 list 取值 索引取值: 通过 “.”+索引 For循环取值 Dict字典取值 通过索引取值 获取所有key值。N3.keys 获取所有value值. N3.values 获取key和value值. N3.items 判断语句


深入理解 TCP 协议(二):TCP 可靠传输与高效通信机制详解
Mortalbreeze2026/8/24

目录 前言 一、确认应答机制 二、超时重传机制 2.1 理解丢包的本质 2.2 超时时间如何确定 三、滑动窗口机制 3.1 深度理解 send/write 和发送缓冲区 3.2 理解滑动窗口 3.3 理解结合滑动窗口发送报文的流程 3.4 滑动窗口机制的进一步理解——发送缓冲区的空间复用 3.5 滑动窗口机制的进一步优化——快速重传机制 3.6 滑动窗口的大小如何确定 四、流量控制机制 4.1 零窗口探测 4.2 16 位窗口大小的限制与窗口扩大因子 五、拥塞


如何使用GSAP实现一个 `pinned` 滚动楼层叙事?
Mh2026/8/11

准备工作 技术栈: vue + gsap 最近在做的一个动画,特意去网上查了一下叫 pinned 滚动叙事,感觉蛮有趣,分享给你们。 实现的动画如下: 对应的模仿网址是:www.vaporesso.com/series-prod… 思考过程🤔 多滚动几次上面的动画,感官上大致可以得出一个粗浅的感受。 页面滚到某一段时,画面突然停住了。你继续滚动,页面没有向下走,而是像一条时间线一样开始播放:卡片移动到中心、放大、图片和文字拉开距离,然后卡片退场,背后的内容一层一层覆盖进来。等这一段讲完,卡片


06|眼睛:LLM 的「视野」怎么拼出来,又怎么不爆
浪遏2026/8/2

这是《Agent全栈实战》的第 6 篇。整个系列以 catbuddy(一个本地优先的 AI 编程助手,约 3.6 万行 TypeScript)为案例,由浅入深拆解 harness 设计。前面我们讲了心脏(Agent Loop)和手脚(工具系统)。这一篇聊「眼睛」——模型每次开口之前,它到底看到了什么。你给 LLM 的那一长串 messages,不是随手拼的,而是一条五层流水线装出来的;而对话一长,这串东西就会撑爆上下文窗口,撞上窗口红线直接 context_length_exceeded。所以这


Java Jetty 实战详解:从嵌入式 HTTP 服务到 Spring Boot 容器替换
唐青枫2026/7/25

简介 Jetty 是 Eclipse 基金会维护的 Java Web 服务器,也是一个 Servlet 容器。 它主要能做这些事: 监听 HTTP 端口 处理 HTTP 请求和响应 运行 Servlet / Filter / Listener 部署 WAR 包 支持 WebSocket、HTTP/2、HTTP/3 作为库嵌入到 Java 程序里启动 作为 Spring Boot 的内嵌容器 一句话概括: Jetty 既能像 Tomcat 一样单独部署 Web 应用,也能像普通 Java 库一样


学习 OpenMontage 的工具发现与打分选择器
日习一技2026/7/17

在前面的几篇文章里,我们已经体验了 OpenMontage 的零成本玩法:用 Piper 配音、用免费素材剪纪录片、用 Remotion 把图片做成动画,全程不花一分钱 API 费用。我们也试过贴一个参考视频,让 agent 帮我们拆解出差异化的制作方案。 不过零成本路径终究有上限。想要 FLUX 的图、Veo 或 Kling 的真实运动镜头、ElevenLabs 的高质量配音,就得接入对应的 provider。OpenMontage 支持的 provider 有几十个,同一个能力往往有好几个、


LeetCode 28. 找出字符串中第一个匹配项的下标
Best_Jerry2026/7/9

leetcode.cn/problems/fi… programmercarl.com/0028.%E5%AE… 给你两个字符串 haystack 和 needle ,请你在 haystack 字符串中找出 needle 字符串的第一个匹配项的下标(下标从 0 开始)。如果 needle 不是 haystack 的一部分,则返回  -1 ****。   示例 1: 输入: haystack = "sadbutsad", needle = "sad" 输出: 0 解释: "sad" 在下标 0 和


图解 MongoDB 22|读写关注:持久性与一致性的档位选择
十三Tech2026/7/1

前面几篇多次提到 w: "majority",这篇把它彻底讲清楚。读写关注(read/write concern)是 MongoDB 控制持久性和一致性的核心参数——它们决定了「一个写入要被几个节点确认才算成功」「一个读取从哪个节点读、读到什么程度的一致」。理解了它们,才能在不同业务场景下精准调出「够用且不浪费」的持久性/一致性档位。 先把机制边界说清楚 读写关注是三个相关但独立的参数: writeConcern(写关注):写操作要被几个节点确认才算成功。控制持久性。 readPreferen

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读