评测镜像与运行时

Neuro OJ 的评测通过 Docker 镜像承载：出题人代码（evaluator）与用户代码（solution）分别运行在独立镜像的容器中。本文说明镜像白名单机制、Python 双容器运行时与常见问题。

现状

当前评测运行时仅实现 Python（双容器 Evaluator / Solution SDK 均为 Python 实现，支持包模板固定 python3）。多语言评测（C++/Java/JavaScript 等）是项目的决策性不做项——LMCC 仅要求 Python，项目不会提供其他语言的评测运行时。

运行时选择

提交接口按语言标识接受代码，当前已登记的语言标识：

语言标识	说明
python3 / python	Python 3（唯一具备完整评测运行时的语言）
cpp / c / javascript	接口预留标识，无评测运行时，不可提交评测

题目可选的编程语言由出题人在运行时配置中声明，做题人页面只会看到该题启用的语言。

运行时选择的三层模型

1. 语言标识：提交时声明的 language 字段，决定提交文件名（当前固定映射为 main.py）。
2. 运行时镜像：Docker 镜像，分为 evaluator（跑出题人代码）与 solution（跑用户代码 + Solution Host）两类。
3. 题目配置：题目的 runtime_config 指定 evaluator / solution 的镜像、命令与资源限制。

Judge Worker 只运行白名单内的镜像（judgeImages 表，含 image / kind / mode 匹配规则），启动时通过 Redis RPC 获取白名单。

Python 双容器是如何工作的

Python 题目使用两个镜像：

• noj-evaluator-python：运行出题人的 evaluate.py。
• noj-solution-python：运行用户提交的 solution.py，由 Solution Host 加载模块，把 stdout 重定向到 stderr（避免污染评测协议），并向 evaluator 暴露函数调用接口。

镜像由 noj-judge/scripts/build-sdk-images.sh 构建（默认 tag :latest，与 noj-core 种子数据 judge_images 登记一致）。

Evaluator 通过 Evaluator SDK 调用用户函数，双方协议见 RPC 与可传递数据。

常见问题

• 提交显示 SystemError：优先检查镜像是否已构建（build-sdk-images.sh）、是否在白名单中、题目 runtime_config 的镜像名是否与白名单一致。
• 语言选项不出现：该题未在运行时配置中启用该语言——但请注意当前仅 Python 可用，其他标识无法评测。