软工实践寒假作业（2/2）

作业摘要

这个作业属于哪个课程	2021春软件工程实践|S班 (福州大学)
这个作业要求在哪里	软工实践寒假作业（2/2）
这个作业的目标	1.开发WordCount程序 2.学习使用github,github desktop,Jprofiler软件等
作业正文	作业正文
其他参考文献	CSDN、简书、知乎

目录：

作业摘要

Part1：《构建之法》的深入提问

《构建之法》7问

附加题

Part2：WordCount编程

Github项目地址

PSP表格

解题思路描述

代码规范制定链接

设计与实现过程

性能改进

单元测试

异常处理说明

心路历程与收获

《构建之法》的深入提问

《构建之法》7问

Queation1：

文字引用	对产品功能性需求：要求产品必须实现某些功能。 综合需求：有些需求并不是单单一个软件模块就能满足，例如，“购物网站必须在24小时内把货物发送到用户手中”，这个需求牵涉到软件系统、货物派送系统、送货部门、监控系统等不同部门的功能和执行能力。
问题描述	有定义来看，一个需求可以即归为产品的功能性需求又归为综合需求吧，这种的情况下应该归为哪一个分类？（书本P159）
说法引用	网络上的定义和书本不同，百度百科中将软件需求做如下定义：需求包括三个不同的层次—业务需求、用户需求和功能需求—也包括非功能需求。
我的经验/困惑/观点	我个人想法是把重叠的部分归为综合需求，这样这个需求可以被实现的更全面。

Queation2：

文字引用	主治医师模式运用到极点，可以蜕化为明星模式，在这里，明星的光芒盖过了团队其他
问题描述	主治医师模式可以理解为只有一个“明星”，这是不是说明一般情况下明星模式优于主治医师模式？P98
说法引用	主治医师模式缺点：在一些学校的软工课上，这种模式逐渐退化成“一个学生干活，其他学生打酱油” 明星模式缺点：团队模式强调的是团队的作用，而不是个人的独角戏，这种模式显然违背了团队模式的初衷，效率也很低
我的经验/困惑/观点	两者其实很像，但由于明星模式表现突出的人更多，我觉得只要“明星们”团结一致，大概率下会优于主治医师模式。

Queation3：

文字引用	明星也是人，也会受伤，犯错误，如何让团队的利益最大化，而不是明星利益最大化？如何让团队的价值在明星陨落之后仍然能够保持？是这个模式要解决的问题。
问题描述	明星利益最大化是不是很能帮助团队利益的最大化，还是这个模式下明星利益化反而会降低团队的利益？
说法引用	明星模式优点：对“明星”个人的成长进步可能会有所帮助。 明星模式缺点：团队模式强调的是团队的作用，而不是个人的独角戏，这种模式显然违背了团队模式的初衷，效率也很低
我的经验/困惑/观点	以我的经验，我们开展团队合作时的模式其实可以近似为“明星模式”，一些大佬来完成重要的工作，其他人来协助完成，也就是所谓的打杂。所以我认为影响这个模式的反而是”大佬“和其他人之间的关系，如果明星利益太大，会使其他人发言权大大降低，所以应该采取一种“中庸”的状态。

Queation4：

文字引用	PM通常也能写代码，能玩转Excel、PPT、Visio、甘特图，会PS，有文字功底，写的博客有人爱读，反正，总得有几招绝活吧！不用说还要有大量的阅读，对IT行业、用户心理、社会都要有广泛的了解。
问题描述	PM的能力要求太广泛了，做好一个初级PM的切入点是什么？P198
说法引用	初学PM的建议： 1.基础的东西已经具备 2.要实实在在的参与一个产品的迭代 3.要多参考竞品 4.每增加一个功能，必须要问自己为什么 5.把每一个功能拆分到很细，比如登陆，账号用手机还是邮箱，为什么要用手机？为什么要用邮箱，你自己要搞清楚，虽然现在很多产品都首选手机做账号，但不是所有的都适合；密码字段，是用字符窜还是用纯数字，还是字符串+纯数字，是几个字节，需不需要特殊字符？大小写区不区分? 6.业务逻辑要清楚的列出来，你自己清楚了，才能给开发和测试提供炮弹 7.需求，大家都在讲需求，我就不强调，每个人有自己获取需求的渠道以及判断
我的经验/困惑/观点	之前我有参与西二的PM小组，PM开发项目是有一些固定的需求文档，每个公司也会有自己的一些模板，如果想当然的填补文档的内容就会偏离正确内容，所以我觉得PM这个职业的新手需要多注意细节，不能想当然。至于切入点可能要学习一些前辈的实际经验。

Queation5：

文字引用	场景怎么写？首先针对每一个场景，设计一个场景入口（描述场景如何开始）。接着描述典型用户在这个场景中所处的内部和外部环境（内部环境指心理因素等）。然后给场景划分优先级，按优先级排序写场景。
问题描述	对场景的重要性如何排序？P219
说法引用	基本型需求>期望性需求>兴奋型需求 使用需求的金字塔法则来表达，金字塔的最底层是基本型的需求，往上是期望型需求，最上面一层是兴奋型需求。
我的经验/困惑/观点	之前写过一些需求文档，虽然也是按照规则进行书写，但是我觉得还是参杂了许多的主观看法。

Queation6：

文字引用	团队在Bug数量上上下下的过程中，要注意消灭族老的问题，让老的Bug数量为0，以防止一些问题拖而未解决，有可能掩盖深层次的设计问题，要尽早把这些问题暴露出来，一个招数是，划定一个时间期限，一定要解决在此之前发现的Bug。
问题描述	一些bug可以被认为不予解决,会不会因此出现Bounce问题？P335
说法引用	解决bug流程： 1、找产品经理确认 2、不予解决，关闭 3、要解决，写明原因给开发
我的经验/困惑/观点	我的理解是应该要有前瞻性，可能出现Bounce问题的bug就不能不被解决，但是也不排除判断出错的可能。

Queation7：

文字引用	我们常说“软件的生命周期”——这个软件开发的周期结束了，生命也结束了。我们能不能像医学的尸体解剖一样，把这个软件的开发的流程解剖一下？
问题描述	事后诸葛亮会议是用来探究发布后产生的问题，还是总结开发过程中的问题？P339
说法引用	无
我的经验/困惑/观点	我认为既然是畅所欲言，就集思广益，想到什么讨论什么，但是各个要点需要遵循5WHY。

附加题

软件工程发展的过程中的故事

故事：

    1986年4月11日，美国东部德克萨斯州。一位患有面部皮肤癌的男性患者正在使用Therac-25 做放射性治疗。刚刚开始治疗，一团巨大的光亮就出现在他的眼前，耳边响起了煎鸡蛋的声音，其实这是机器灼烧了他的大脑和脑干的右侧额叶。因为严重的辐射，三周后这名病人就死亡了。

    因为之前的案例没有得到AECL和医院的重视，悲剧一再地发生。类似悲剧一共发生了6起，直到1987年雅基马谷医院的最后一次事故，整个悲剧事件才结束。

    后期的调查表明，全部的医疗事故都是因为软件包含严重的bug，放射性治疗的机器在正常情况下只会发射低能量的电子束，旧型号的机器为了保证不出意外，使用硬件互锁的机制确保能量不会升高。而新的型号Therac-25为了降低成本，改用了软件锁机制。可该程序本身包含的一个一字节的计数器常常会溢出，如果操作员恰好在溢出位输入命令，软件锁的机制就会失效。导致了悲剧，患者受受到100倍的辐射剂量，痛苦的死亡。

个人见解：

    1.该事例的发生，我们可以确定Therac-25没有没有通过充分的测试就被安装到设备中，理论上没有跳过开发的必要步骤，但是工程师的过度自信和缺少标准的质量体系，使代码的质量无法保证。

    2.所有的工程不能只解决问题，还要对可能发生的错误提出解决方案。如上述故事中，Therac-25本应该有个“熔断机制”保证无论如何不能发生辐射量过大的情况，但是这在开发中没有实现。

   3.软件工程师应当从Therac-25事件中吸取教训，在软件的开发中边界条件的注意，防御性编程的思考，软件文档的完善与准确和对测试工作的重视都是对自己的要求。

WordCount编程

Github项目地址

作业的主仓库： 点击进入——作业主仓库

我的Github仓库地址： 点击进入——Github项目地址

PSP表格

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划
• Estimate	• 估计这个任务需要多少时间	20	30
Development	开发
• Analysis	• 需求分析 (包括学习新技术)	150	180
• Design Spec	• 生成设计文档	20	20
• Design Review	• 设计复审	20	40
• Coding Standard	• 代码规范 (为目前的开发制定合适的规范)	30	40
• Design	• 具体设计	80	100
• Coding	• 具体编码	300	500
• Code Review	• 代码复审	60	90
• Test	• 测试（自我测试，修改代码，提交修改）	90	120
Reporting	报告
• Test Repor	• 测试报告	15	30
• Size Measurement	• 计算工作量	30	30
• Postmortem & Process Improvement Plan	• 事后总结, 并提出过程改进计划	100	120
	合计	915	1300

解题思路描述

step1：学习git、github、复习java

git教程

Java教程

step2：总结要求，确定实现的流程（详细见设计与实现过程）

step3：查找资料，深入了解Map函数的使用，并实现上所述流程

根据资料一共了解了三种map集合的遍历方式

  根据资料一共了解了三种map集合的遍历方式

1.使用keySet方法便利

缺点：keySet只是返回了所有的key没有value

//KeySet()把map集合中的所有键都保存到一个Set类型的集合对象中返回
Set<String> keys = map.keySet();
Iterator<String> it = keys.iterator();
while(it.hasNext()){
    String key = it.next();
    System.out.println("key: "+key+"value: "+map.get());
}

2.使用values方法遍历

缺点：values方法只能返回所有的value，没有key

//values()把所有的值存储到一个Collection集合返回值
Collection<String> c = map.values();
Iterator<String> it = c.iterator();
while(it.hasNext()){
    System.out.println("value: "+it.next());
}

3.使用entry方法遍历

Set<Map.Entry<String,String>> entrys = map.entrySet();
Iterator<Map.Entry<String,String>> it = entrys.iterator();
while(it.hasNext()){
    Map.Entry<String,String> entry = it.next();
    System.out.println("key: "+entry.getKey()+"value: "+entry.getValue());
}

显然，第三种是最符合要求的，所以最终选择第三种来实现词频统计。

step4：单元测试

要求编写十个以上的测试用例，首先将题目的要求罗列，按照要求编造例子，一一对应测试，再找几篇真正的英语文字，从字数简到繁进行测试。

代码规范制定链接

点击进入——代码规范

设计与实现过程

文字+代码的设计构思

1.输入需要读取的文件路径和结果的输出路径

2.读取文件，统计文件的字符数（对应输出第一行）、单词数（对应输出第二行）、有效行数（对应输出第三行）

3.将文件的所有字母转化为小写

4.通过Map集合，以键值对的方式去存储单词和出现的次数

5.创建一个BufferReader的缓冲流，将字符流对象传进去，提高读取的效率

6.创建一个spilt数组，用来分割字符串，通过调用map的key值获取value，进行单词统计

7.利用TreeMap实现Comparator接口，对Map集合进行排序

要求总结

统计文件的字符数（对应输出第一行）

• 只需要统计Ascii码，汉字不需考虑
• 空格，水平制表符，换行符，均算字符

统计文件的单词总数（对应输出第二行）

单词：至少以4个英文字母开头，跟上字母数字符号，单词以分隔符分割，不区分大小写

• 英文字母： A-Z，a-z
• 字母数字符号：A-Z， a-z，0-9
• 分割符：空格，非字母数字符号
• 例：file123是一个单词， 123file不是一个单词。file，File和FILE是同一个单词

统计文件的有效行数（对应输出第三行）

任何包含非空白字符的行，都需要统计

统计文件中各单词的出现次数（对应输出接下来10行），最终只输出频率最高的10个

• 频率相同的单词，优先输出字典序靠前的单词
• 输出的单词统一为小写格式

代码和注释

统计文件的字符数、英文单词数、行数。

            int charnum= 0 ;
	    int wordsnum= 0;
	    int linenum = 0;
	    InputStreamReader isr = new InputStreamReader(new FileInputStream(docin));
	    BufferedReader br = new BufferedReader(isr);
	    while( br.read()!= -1){
	    String s = br.readLine();
	    charnum += s.length();
        //在统计单词时，用split根据" "对每一行的单词进行统计
	    wordsnum += s.split(" ").length;
	    linenum ++;
	    }
	    isr.close();
        //写入文件
	    out.write("characters: " + charnum);
 	    out.newLine();
 	    out.write("words: " + wordsnum);
 	    out.newLine();
	    out.write("lines: " + linenum);
	    out.newLine();

按照单词的出现次数从高到低排序

                List<Map.Entry<String, Integer>> list = new LinkedList<Map.Entry<String, Integer>>();
		list.addAll(map.entrySet());
		Collections.sort(list, new Comparator<Map.Entry<String, Integer>>() {
                        // 从高往低排序
			public int compare(Map.Entry obj1, Map.Entry obj2) {
				if (Integer.parseInt(obj1.getValue().toString()) < Integer
					.parseInt(obj2.getValue().toString()))
					return 1;
				if (Integer.parseInt(obj1.getValue().toString()) == Integer
					.parseInt(obj2.getValue().toString()))
					return 0;
				else
					return -1;
			}
		});

将出现频率最高的前十个单词写入文件

                int i = 0;
                //如果单词数大于等于10，就输出前10个单词
		if(wordsnum>=10) {
			for (Iterator<Map.Entry<String, Integer>> ite = list.iterator(); i < 10; i++)             {
				Map.Entry<String, Integer> maps = ite.next();
				out.write(maps.getKey() + ": " + maps.getValue());
				out.newLine();
				//System.out.println(maps.getKey() + "\t" + maps.getValue());
			}
		}
                //如果单词数小于10，有几个单词就输出几个单词
		else {
			    Iterator<Map.Entry<String, Integer>> ite = list.iterator();
			    if(ite.hasNext()) {
				Map.Entry<String, Integer> maps = ite.next();
				out.write(maps.getKey() + ": " + maps.getValue());
				out.newLine();
				//System.out.println(maps.getKey() + "\t" + maps.getValue());
			}		
		}

把文件中所有单词转化为小写

        public static void toLower(String file) throws Exception{
		Reader myReader = new FileReader(file);
		Reader myBufferedReader = new BufferedReader(myReader);
		CharArrayWriter  tempStream = new CharArrayWriter();
		int i = -1;
		do {
			tempStream.write(i);
			i = myBufferedReader.read();
			if(i >= 65 && i <= 90){
				i += 32;
			}
		}while(i != -1);
		myBufferedReader.close();
		Writer myWriter = new FileWriter(file);
		tempStream.writeTo(myWriter);
		tempStream.flush();
		tempStream.close();
		myWriter.close();
		}

统计单词词频

        public Map<String, Integer> wordCount(String fileName) throws IOException {
		// 打开文件
		File file = new File(fileName);
		FileInputStream fis = null;		
		fis = new FileInputStream(file);
		// 英文单词以空格为分隔符，将单词分隔，并将所有大写字母转换为小写
		BufferedReader bufr = new BufferedReader(new InputStreamReader(fis));
		String s = null;
		
			while ((s = bufr.readLine()) != null) {
				// 移除字符串的前导空白和后尾部空白
				s = s.trim();
				// 正则表达式：以非字母或者是数字为分隔符，进行分割
				String[] str = s.split("(\\s+\\W+)|[\\s+\\W+]");
				for (int i = 0; i < str.length; i++) {
					// 如果HashMap中已有该值,将值加1
					if (wordCount.containsKey(str[i])) {
						wordCount.put(str[i], wordCount.get(str[i]) + 1);
					} else {
						// 默认初始化该单词的出现次数为1
						wordCount.put(str[i], 1);
					}
				}
			}
		
		// 移除HashMap中的""空字符串
		wordCount.remove("");
		return wordCount;
	}

性能改进

  初始我将统计字符数、单词数与行数分开统计，代码如下：

            //统计字符数和单词数
	    FileReader fr = new FileReader(file);   
	    BufferedReader bfr = new BufferedReader(fr);
	 		char ch;
	 		char fch='A';
	 		//字符数
	 		int countc = 0;
	 		//英文单词数
	 		int countw = 0;
	 		//按字符读取文本内容
	 		while((ch = (char) bfr.read()) != (char)-1)
	 		{
	 			//统计文本中字符数
	 			if(ch != '\n' && ch != '\r') 
	 				//累计字符数
	 				countc++;
	 			if(!(ch>='a'&&ch<='z')&&!(ch>='A'&&ch<='Z')&&((fch>='a'&&fch<='z')||(fch>='A'&&fch<='Z')))
	 			{
	 				//累计单词数
	 				countw++;
	 			}
	 			fch=ch;
	 		} 		
	 		out.write("characters:  "+countc);
	 		out.newLine();
	 		out.write("words: "+countw);
	 		out.newLine();
	 		//System.out.println("characters:  "+countc);
	 		//System.out.println("words: "+countw);
		
	 		//统计文件的行数
	 		FileReader fr1 = new FileReader(file);
	 		LineNumberReader lnr = new LineNumberReader(fr1);
	 		int linenumber = 0;
	 		while (lnr.readLine() != null){
        	linenumber++;
	 		}
	 		
	 	out.write("lines:  " + linenumber);
	 	out.newLine();
	 	//System.out.println("Total number of lines : " + linenumber);
	 	lnr.close();

  虽然能成功实现功能，但是这样的代码十分冗长且性能低，在查阅了相关的代码后 ，我用了如下代码代替：

            int charnum= 0 ;
	    int wordsnum= 0;
	    int linenum = 0;
	    InputStreamReader isr = new InputStreamReader(new FileInputStream(docin));
	    BufferedReader br = new BufferedReader(isr);
	    while( br.read()!= -1) {
	    String s = br.readLine();
	    charnum += s.length();
	    wordsnum += s.split(" ").length;
	    linenum ++;
	    }
	    isr.close();
	    out.write("characters: " + charnum);
 		out.newLine();
 		out.write("words: " + wordsnum);
 		out.newLine();
	    out.write("lines: " + linenum);
	    out.newLine();

  初始我没有考虑到单词小于10的情况，会产生越界错误，经过修改后将单词分为10个及以上和十个以下两种情况讨论。

                int i = 0;
		if(wordsnum>=10) {
			for (Iterator<Map.Entry<String, Integer>> ite = list.iterator(); i < 10; i++) 			  {
				Map.Entry<String, Integer> maps = ite.next();
				out.write(maps.getKey() + ": " + maps.getValue());
				out.newLine();
				//System.out.println(maps.getKey() + "\t" + maps.getValue());
			}
		}
		else {
			    Iterator<Map.Entry<String, Integer>> ite = list.iterator();
			    if(ite.hasNext()) {
				Map.Entry<String, Integer> maps = ite.next();
				out.write(maps.getKey() + ": " + maps.getValue());
				out.newLine();
				//System.out.println(maps.getKey() + "\t" + maps.getValue());
			}		
		}

  在进行了以上优化后，再用JProfiler来测试性能，得到如下结果：

单元测试

  单元测试我选择的是一篇简单的英语作文，其中包含大小写、按字典排序等内容，具有常规性和代表性。

单元测试我选择的是一篇简单的英语作文，其中包含大小写、按字典排序等内容，具有常规性和代表性。

词频统计结果：

单元测试结果：

总结：

  由单元测试的详细内容可知，覆盖率已为100%。有一处不完全执行，功能将是大写转化为小写，因为所提供的词不全为大写，所以不完全执行为正常现象。由此可得可以暂时不用优化覆盖率。

异常处理说明

  本次程序的输入输出比较简单，所以利用的Exception有IOException和FileNotFoundException两种。即如果文件没有找到，或命令行参数输入参错误，就会抛出异常。

心路历程与收获

1.对大篇幅复杂工作的理解

  这两次作业的篇幅都很长而且很详细，因为是第一次接触这种布置形式，感觉很难下手。后来我总结出了阅读流程：从checklist入手，先大致知道自己该干什么，然后按照checklist的顺序慢慢扩充具体细节。还有很重要的一点是要分好part，不能心急，虽然有些环节可以同时进行，但是会造成作业效率的降低，所以以我个人角度还是应该一步一步来。

2.自学能力的提升

  大学很多东西都是靠自学，自学能力的提升主要还是要靠实践，纸上谈兵是没有用的。本次的git、github学习，我学习方式是先理解每个功能的作用再跟着教程实践一遍。感觉只要动手操作了，就学得挺快的。

3.编码能力的提升

  这里的编码能力也包括debug能力。本次的统计词频我用了map，详细了解后才发现之前对map的使用都是皮毛，所以在编码过程中遇到了很多错误，通过无数次的debug才能达到无误。还有一点是因为细节太多，会常常忘了某项功能的实现，所以本次作业是在完成大致框架的情况下，慢慢添加功能进去。