第一次个人项目【词频统计】——测试样例分析&性能分析

【空文件测试】（认为空文件行数为0）

 

【基本测试】

 

 【大小写测试】

　　可以看出abcd同类型的词出现了三次，而单词树中存储的是ABCd，满足大小写要求。

 

【复杂文件测试】

　　前三项数据比较接近，但是单词和词组统计的个数稍有差异，因此导致了排名的差异。

 

【性能分析】

 　　使用助教提供的数据集，在Release条件下跑出的时间大概七八十秒。说明平衡二叉树在大量数据的查找具有不错的性能。

　　程序运行指标如下：

　　

　

　　主函数运行情况分析：　

　　

　　可以看出词组平衡树的插入，单文件信息获取以及同词组类型判断这三个函数占用的时间比较多，优化应当从这几函数考虑。

　　

　　时间主要集中在strcmp，暂无优化方案

 　　

　　时间开销主要是函数isSamePhrase引起的，同上无较好解决方案。

　　

 

　　从上面几幅图可以看出，时间开销比较明显的全部集中在系统调用的函数上，如strcmp，fgetc，所以合理的优化方案是改变程序的结构，考虑使用多线程，以提高CPU利用率和减少时间。