毕设选题常见误区与核心痛点
每年三月，实验室的打印机就开始冒烟：选题表像雪片一样飞来，老师却总能一眼挑出“高危雷区”。我帮导师审了三年题目，把最容易翻车的坑总结成三句话：
- 技术栈超纲——把“深度学习”挂嘴边，结果连显卡驱动都装不利索，最后只能把 ResNet 改成 if-else。
- 数据集不可得——“我要做新冠肺炎影像分割”，结果公开数据集需要医院伦理审批，三个月过去连一张 CT 都没拿到。
- 缺乏量化指标——“我要做一个更好用的 XX 系统”，评委一问“好用在哪？性能提升多少？”只能尴尬微笑。
把这三关过了，你的开题报告就稳了一半。
主流方向技术选型速查表
下面这张表是我帮 40 多位同学选题时总结的“速配卡”，按“开发效率 / 展示效果 / 老师友好度”三档打分，5 星满分。直接按自己掌握的技术栈挑，别硬凹。
| 方向 | 推荐技术栈 | 开发效率 | 展示效果 | 老师友好度 | 备注 |
|---|---|---|---|---|---|
| Web 应用 | Spring Boot + MyBatis + Vue | ★★★★☆ | ★★★★☆ | ★★★★★ | 文档多，答辩 Demo 秒开 |
| 机器学习 | Scikit-learn + Flask | ★★★☆☆ | ★★★★☆ | ★★★☆☆ | 数据干净就能跑，别碰大模型 |
| 物联网 | ESP32 + MQTT + Node-RED | ★★★☆☆ | ★★★★★ | ★★★☆☆ | 硬件演示震撼，但别选 5G 基站 |
| 区块链 | Ethereum + Hardhat + React | ★★☆☆☆ | ★★★☆☆ | ★★☆☆☆ | 环境难搭，评委一问 Gas 就露馅 |
| 算法优化 | C++ + CUDA | ★★☆☆☆ | ★★☆☆☆ | ★★★☆☆ | 除非 ACM 牌，慎用 |
一句话总结：本科阶段，Web 系统永远是最稳的“基本盘”；研究生再考虑带硬件或链上。
一个能跑起来的最小可行架构
拿“基于 Spring Boot 的校园二手交易平台”举例，功能砍到最骨感：发布商品、搜索、下单、私信。架构拆三层即可：
- 表现层：Vue 页面，统一走 RESTful 风格接口，返回 JSON。
- 业务层：Spring Boot 用 Controller→Service→Repository 经典三板斧，事务边界放在 Service。
- 数据层：MySQL 8.0，商品、订单、用户三大实体，外键级联保证一致。
关键代码片段（含事务与异常处理）
下面给出“下单扣库存”核心逻辑，用 Spring 的声明式事务，一行注解解决幂等和回滚。
@Service public class OrderService { @Autowired private ItemMapper itemMapper; @Autowired private OrderMapper orderMapper; @Transactional(rollbackFor = Exception.class) public Long createOrder(Long itemId, Integer quantity, Long buyerId) { // 1. 悲观锁防超卖 Item item = itemMapper.selectByPrimaryKeyForUpdate(itemId); if (item.getStock() < quantity) { throw new BizException("库存不足"); } // 2. 扣减库存 int affect = itemMapper.decreaseStock(itemId, quantity); if (affect == 0) { throw new BizException("并发扣库存失败"); } // 3. 写入订单 Order order = new Order(); order.setItemId(itemId); order.setBuyerId(buyerId); order.setQuantity(quantity); orderMapper.insert(order); return order.getId(); } }异常统一用@ControllerAdvice捕获，返 200 带 code，前端好判断，评委也看得懂。
性能与安全底线
别等老师问“你系统能扛多少人”时才抓瞎，提前跑一遍基线：
- 并发：用 JMeter 开 200 线程循环压下单接口，RT < 500 ms、错误率 < 1% 即可通过。
- 安全：SQL 注入用 MyBatis 的
#{}占位符已天然免疫；会话把 JWT 存 Header，过期时间 30 min，刷新令牌另给 Endpoint。 - 数据：MySQL 开
binlog_format=ROW，每天凌晨全量备份 + 实时 binlog，误删数据可闪回。
生产环境避坑指南
代码跑通只是万里长征第一步，真正决定“能不能顺利演示”的，全是细节：
- Git 提交：强制加 issue 前缀，如“#17-fix-stock-race”，回滚时一眼定位；合并用 squash，保持主干线性。
- 文档：README 必须含“一键启动脚本”，否则答辩现场网络卡顿，你 ssh 上去装依赖，评委早刷手机去了。
- 冷启动：把依赖打成 Docker-compose 包，镜像放阿里云 ACR，现场 5 分钟可拉起；提前在实验室断网演练一次，别迷信机房 Wi-Fi。
- 演示数据：准备三套种子数据，小号、中号、大号，按评委口味随时切换，避免“搜索关键词没结果”的尴尬。
把指南落到你自己的纸上
看完别急着开工，先花 30 分钟画一张“系统架构草图”：把前端页面、后端模块、数据库表、外部接口全部框出来，能写上的 QPS、延迟、数据量预估都标好。图一出来，技术可行性和工作量就肉眼可见，再对照上面的速查表打分，低于 12 星就果断换题。毕设最忌“边做边改”，一次想清，三个月只做增量，你会回来感谢这张草图。祝各位选题顺利，演示那天把评委讲睡着算我输。
