《面向对象程序设计》第三单元 JML 总结

Posted 2021-05-31 yuxinDu

《面向对象程序设计》第三单元 JML 总结

一、实现规格所采取的设计策略

　　首先，类方法规格分为正常行为规格与异常行为规格，在JML书写时习惯将异常部分置后。但实际在进入函数时就进行异常判断才是保险的做法，因为异常抛出的条件往往较为简单，而其互补条件表达式复杂，如此可以避免因为手滑在正常代码段执行时抛出无法被catch的异常导致程序整段垮掉。

　　在方法规格中，会规定前置条件、后置条件和副作用约定，这是实现函数正常功能的核心部分。在实现方法规格的过程中，通过分析前置条件理解接口对应函数传入参数的范围与含义，通过分析后置条件理解方法所要实现的功能，而副作用约定限制了修改的属性范围。

　　在具体的方法规格中，最为关键的后置条件又分为核心功能表述与无关量不变的表述。笔者在实现时往往先按照核心功能表述完成代码，再检查代码所涉及的变化是否符合上述限制，之后进行复杂度优化和数据结构调整，最终再次检查是否符合规格要求。

　　一些复杂方法的具体实现策略在下文中有详细说明。

　　类型规格作业涉及较少，多规定一些基本属性要求，在此不作赘述。

二、测试的方法和策略

　　本单元作业可使用对拍的方法进行黑盒测试，即按照一定的规则生成测试数据，通过命令行调用不同同志的jar包，并进行输出比对。由于时间的关系，上述过程仅存在于笔者的想象中。

　　除了对拍测试，还可以使用JUnit进行单元测试。JUnit在对简单的原子方法进行测试时比较简单，但对涉及到多个子功能和数据结构的组合方法测试时略显无力。

　　另外可以直接进行手动黑盒测试，一般用于基本功能和特殊边界数据的测试。

　　本单元最大的启发和教训的内容就是测试至关重要。即使按照JML完成了功能设计并通过了基本测试，代码仍有可能存在致命的问题，不论是在正确性方面还是性能方面。

三、容器的选择

　　JML规范通常使用数组来表述数据的集合。但在代码实际实现的过程中，单纯的数组往往存在诸多的不足，增删查改冗长耗时。

　　在之前的作业中多使用类数组的ArrayList，其底层通过数组实现。但与数组不同，ArrayList具有可变长的特点，且封装了许多基本的方法，使用起来较为简单。通过add(index, object)将元素插入指定下标位置位置或通过remove(index)删除制定下标的元素时，一般情况需要复制底层数组，时间复杂度最差为o(n)；通过set(index, object)设定指定下标的元素时，时间复杂度为o(1)；通过get(index)按下标读取数据时，时间复杂度也为o(1)。可以看出，ArrayList中插入、删除和直接查找元素的时间复杂度均较高，而按下标修改、读取元素时时间复杂度则较低，因为前者常常触发底层数组拷贝，造成时间和空间的浪费。

　　本次作业中涉及大量图相关的数据结构，如果仍单纯地使用list来组织数据，则性能和操作简洁性无法满足需求。HashMap在本单元作业中应用非常广泛。HashMap是一种类字典的数据结构，能近似达到o(1)级别的查询复杂度，对外接口通过键值对存储数据。笔者使用HashMap实现了Person类中邻接节点<Person, Integer>的存储，可以直接通过Person映射到两人关系的Value；类似的，Network中的:

/* id 到 Person */
private final HashMap<Integer, Person> id2person;
/* id 到 Group */
private final HashMap<Integer, Group> id2group;
/* id message Group */
private final HashMap<Integer, Message> id2message;
/* 连通块的并查集中，每个连通块 id 到 Person */
private final ArrayList<HashMap<Integer, Person>> circles;
/* emojiId 到 该表情的热度heat */
private final HashMap<Integer, Integer> emojiId2heat;
/* 为方便最短路径算法设计的邻接表: <Person1, <与Person1邻接的Person2, 两者关系的Value>> */
private final HashMap<Person, HashMap<Person, Integer>> adjacencyList;

　　往年博客中有提到设计<Person, Id>和<Id, Person>双重HashMap映射，但在实际操作中发现，Network中由Person映射到Id的需求非常少，组织这样的数据结构所额外耗费的时间反而造成了负优化。

　　还有Group中常用到的HashMap<Person, Integer> person2age等。

　　此次作业还特别用到了PriorityQueue，对外接口是队列的设计，底层实现是小顶堆的数据结构。在迪杰斯特拉算法的优化中起到重要作用。

四、性能问题

　　本单元给出的JML规格并未有性能规定，但数据强测对程序性能具有严格的要求。

　　数据结构的优化参照☝。

　　除去最基本的子功能方法与优化困难的一些特殊方法外，关键影响性能的可优化方法有以下几个：

　　Network中的isCircle()，queryBlockSum()，sendIndirectMessage()；

　　Group中的getValueSum()，getAgeMean()，getAgeVar()；

　　isCircle()自然语言描述即查询两个节点在图中是否连通。笔者第一次作业通过bfs+查集实现，即在每次bfs时记录此连通分支的节点情况，存入缓存，新的查询指令到来时首先在缓存中查询，失败后再进行bfs，而每一次添加关系均冲刷缓存。在后两次作业中完全改为并查集，即通过一个list嵌套HashMap存储图的连通分支，在每次添加关系时更新目前连通分支的状态。

　　queryBlockSum()即为查询连通块的数目。如果按JML直接莽不做任何优化，本方法将吃掉秒级的CPU时间，直接造成超时。连通块的数目与☝连通判断逻辑上紧密关联。笔者通过维护一个Integer，在每次更新并查集时更新该整数，记录连通块数目，大大降低时间复杂度。

　　sendIndirectMessage()主要涉及的是最短路径算法。笔者通过堆优化+迪杰斯特拉算法实现寻路。迪杰斯特拉算法每轮需要添加可接触的最短边到集合中，而维护一个小顶堆即可通过每次取堆顶元素来实现。如☝所写，小顶堆可通过JAVA自带的PriorityQueue实现，同时笔者设计了Edge类做为基本元素参与到堆实现中，存储了两端点和边的权重。

　　getValueSum()自然语言描述为求群中人与人直接所有关系的权重之和(每条边计算两次，但自圈不计算)。笔者维护了整数ValueSum，每次添加Person时更新，查询时直接返回该值。（似乎并未减小时间复杂度）。

　　getAgeMean()即求群中年龄平均数。维护年龄和ageSum，查询时返回ageSum / person2age.size()计算结果即可。需要注意的是，按照JML规格，此处有int除法精度损失，在优化时需要保留该损失。

　　getAgeVar()即求群中年龄方差，通过数学运算将公式拆解，分别维护年龄平方和agePowerSum、年龄和ageSum，在查询时通过(agePowerSum + size * mean * mean - 2 * ageSum * mean) / size返回计算值。此处同样有int除法精度损失，需要保留。

五、作业架构设计

　　本单元作业描述了一个社交网络系统。

　　基本节点为Person，Person本身有ID、name、age、SocialValue、Money等属性。

　　Person间通过内置的邻接表表示节点间的关系与权重，进而形成了关系网络。

　　多个Person可以建群Group，群有ID等属性。

　　Person可以给其他Person或Group发送Message，即单发/群发消息。

　　Message又分为基础Message、NoticeMessage、RedEnvelopeMessage和EmojiMessage，不同种类的消息对发送人和接收人/群的属性有不同的影，。例如红包消息会改变相关Person的金钱属性，有趣的是发红包的人也会抢红包。

　　在Network中维护Emojis、messages来存储目前有的表情和消息，而每个Person也会存储接收到的消息。

2021-05-31