个人项目

这个作业要求在哪里	个人项目-论文查重算法
这个作业的目标	1、完成PSP表格。2、完成“论文查重算法”的设计并进行测试。3、代码签入Github中。 4、编写博客记录。

GitHub链接

仓库地址

计算模块接口

1. TxtIOUtils类

   readTXT	读取文件,采用java中同步阻塞的IO字节流,每次读取一行数据到内存中
   writeTXT	写入文件,采用java中同步阻塞的IO字节流,每次写入一行数据到文件中

2. HammingUtils类

    getHash通过MD5获取字符串的hash值
   

   getSimHash计算出字符串的simHash值
   

3. SimHashUtils类

getHammingDistance	输入两个simHash值，计算它们的海明距离
getSimilarity	输入两个simHash值，输出相似度

性能测试

计算模块接口部分的性能改进

可以看到，整个函数执行花了2045ms，而但是读取文件内容执行的IO时间就占了1135ms,可见IO操作最影响程序的性能，

这里可以采用Java中的缓冲流提高IO速度

测试覆盖率

异常处理说明

当文本长度小于200时，文本过短无法提取除关键字进行比对，抛出一个文本过短异常

PSP表格

*PSP2.1*	*Personal Software Process Stages*	*预估耗时（分钟）*	*实际耗时（分钟）*
Planning	计划	20	30
· Estimate	· 估计这个任务需要多少时间	200	240
Development	开发	120	100
· Analysis	· 需求分析 (包括学习新技术)	120	140
· Design Spec	· 生成设计文档	40	30
· Design Review	· 设计复审	20	20
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	30	20
· Design	· 具体设计	40	30
· Coding	· 具体编码	120	120
· Code Review	· 代码复审	30	10
· Test	· 测试（自我测试，修改代码，提交修改）	20	30
Reporting	报告	60	80
· Test Repor	· 测试报告	30	20
· Size Measurement	· 计算工作量	10	10
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	20	10
	· 合计	680	650