第一周作业

一、代码规范

（一）命名规范

1. 变量命名：采用 lowerCamelCase 风格，即首字母小写，后续单词首字母大写。例如userAge、totalAmount 。清晰明了地表达变量含义，避免使用模糊或容易误解的名字，杜绝使用拼音与英文混合的方式。这样命名能让阅读代码的人迅速理解变量用途，提升代码可读性。例如，num就不如studentNumber表意明确。
2. 函数命名：同样遵循 lowerCamelCase 风格，且名字应能准确反映函数功能。比如calculateSum用于计算总和，sendEmail用于发送邮件。若函数是对某个对象进行操作，可采用对象名_操作名的形式，如user_updatePassword 。
3. 类命名：使用 UpperCamelCase 风格，每个单词首字母大写。类名应体现其代表的事物或功能，如UserService表示与用户服务相关的类，ProductManager用于管理产品相关操作。
4. 常量命名：全部大写，单词间用下划线隔开。例如MAX_COUNT表示最大数量，PI表示圆周率。常量名要语义完整清晰，避免使用含义模糊的缩写。

（二）代码格式规范

1. 缩进：使用 4 个空格进行缩进，不使用 tab 键。统一的缩进风格能让代码结构层次分明，易于阅读。在嵌套代码块中，严格按照层次增加缩进，如：

   if (condition) {
       // 缩进4个空格
       for (int i = 0; i < 10; i++) {
           // 再缩进4个空格
           System.out.println(i);
       }
   }
   

2. 每行长度：每行代码字符数尽量不超过 120 个。若代码较长，合理使用换行，换行时遵循逻辑结构，比如方法参数较多时，可在逗号后换行，并对齐参数。例如：

   result = complexCalculation(longParameter1, 
                             longParameter2, 
                             longParameter3);
   

3. 空格使用：运算符（如+、-、*、/、=等）前后必须加空格，使运算关系更清晰。例如a = b + c; 。方法调用时，参数列表中逗号后加空格，如method(param1, param2); 。

（三）注释规范

1. 文件注释：在每个源文件开头，添加注释说明文件的功能、作者、创建时间等信息。例如：

   /**
    * @FileName: UserService.java
    * @Author: [Your Name]
    * @Date: [Creation Date]
    * @Description: 该类用于处理用户相关业务逻辑，包括用户注册、登录、信息修改等操作。
    */
   

2. 方法注释：对每个公共方法，使用 Javadoc 风格注释，描述方法功能、参数含义、返回值等。例如：

   /**
    * 计算两个整数的和
    * @param a 第一个整数
    * @param b 第二个整数
    * @return 两个整数的和
    */
   public int add(int a, int b) {
       return a + b;
   }
   

3. 代码块注释：对于复杂的代码逻辑块，添加注释解释代码的目的和实现思路。例如：

   // 遍历数组，找到最大值
   int max = array[0];
   for (int i = 1; i < array.length; i++) {
       if (array[i] > max) {
           max = array[i];
       }
   }
   

二、读《数学之美》有感

读《数学之美》“搜索引擎的工作原理” 章节有感

​ 《数学之美》中 “搜索引擎的工作原理” 一章，彻底打破了我对 “复杂技术” 的认知 —— 原来支撑亿级用户使用的搜索引擎，核心竟是 “数学模型的简化与落地”，这给我的学习和编码带来了极大启发。

​ 章节中提到，搜索引擎的核心问题是 “如何从海量网页中找到用户需要的信息”，而解决这一问题的关键，是两个看似简单的数学工具：布尔代数和向量空间模型。早期搜索引擎用 “布尔代数” 处理用户查询（如 “数学 AND 之美” 即筛选同时包含两个词的网页），后来为了优化 “相关性排序”，引入 “向量空间模型”—— 将每个网页和查询都转化为 “词频向量”，通过 “余弦相似度” 计算两者的匹配度，匹配度越高的网页排名越靠前。

​ 这让我意识到：复杂问题的本质，往往可以用基础数学逻辑拆解。比如我之前觉得 “前端搜索框的关键词匹配” 很难实现，读完这一章后发现，其实可以用 “布尔代数 + 简单字符串匹配” 做基础版（筛选包含关键词的结果），再用 “词频统计” 做优化（关键词出现次数多的结果排前面）。这种 “从核心问题出发，用基础工具落地，再逐步优化” 的思路，完全可以迁移到编码中 —— 比如写 “学生成绩排序” 功能，先实现 “冒泡排序” 保证正确性，再根据数据量优化为 “快速排序”，而不是一开始就追求复杂算法。

​ 更让我印象深刻的是，作者吴军强调 “搜索引擎的发展，是数学模型不断贴近实际需求的过程”。比如 “向量空间模型” 最初忽略了 “词的重要性差异”（如 “的”“是” 这类常用词和 “数学”“之美” 这类关键词权重相同），后来引入 “TF-IDF”（词频 - 逆文档频率）模型，给 “出现频率低但区分度高的词” 更高权重，让排序更准确。这启示我：编码不是 “一次性写对”，而是 “不断迭代优化”。

​ 此外，章节中提到 “谷歌的 PageRank 算法”—— 通过 “网页被其他网页链接的数量和质量” 判断网页重要性，本质是 “图论中的矩阵迭代”。这让我明白：数学是跨领域的通用工具。无论是前端的 “路由跳转逻辑”（可用图论表示页面关系），还是后端的 “推荐系统”（用向量相似度推荐相似商品），都能找到数学模型的影子。今后我会更注重 “数学基础与编码的结合”，比如用 “概率统计” 优化 “用户行为分析” 功能，用 “集合论” 处理 “数据去重” 问题，让代码更有逻辑支撑，而非单纯 “堆砌功能”。

​ 总而言之，这一章让我跳出了 “技术细节” 的局限，看到了 “数学思维” 对技术的指导意义 —— 复杂技术的核心是 “简单数学模型的落地”，而好的编码，就是 “用清晰的逻辑拆解问题，用合适的工具解决问题，再根据需求持续优化”。这种思维不仅适用于搜索引擎，更适用于我本学期的每一次编码实践。