by:陳澤榮 (timothychenpc@gmail.com)
日期：0126~0127
改動：
一、完善搜索：
這次我把上次的搜索完善了（然後發現內建的搜索好像不行），針對今天的提醒和今天要更換的做了分類處理。然後也調整了一下整個的介面
二、針對搜索功能的壓力測試：
整個搜索功能的流程主要分為兩個部分：
- 生成測試資料，送入資料庫
- 取出資料，進行搜索
然後第一部分是寫了一個腳本
db_test.py，自動依照客戶資料的格式生成資料，並且每一個資料都帶有兩個部件A和B，然後對應的日期部分代表下一次的更換日期（這部分跟之前有點不一樣），然後我分別用random.choices在n個測試資料中選擇了5個（當日提醒和當日代辦），並且當成正確解答，輸出檔案，其他的就直接用一個固定的日期（4/27）填補，以確保不會因為太多，而導致最後難以比對（不要問我怎麼知道的）然後實際測試（4000）
可以看到這部分真的花了很久，但是我其實對這個結果有所預期，因為在這個腳本中我採用的方法是
.insert_one()也就是說每一次的數據庫操作只完成了一筆資料的新增，也就造成了花費如此時間的囧境（因為每一次的數據庫操作都需要一定的時間），但我其實也不是沒有想過先在本地產生所有的資料，然後使用.insert_many()方法一次性地送入數據庫，一定可以很大程度的減少花費的時間，但是呢直接報錯裝了4000筆數據的數據庫顯示資料
看起來就是
pymongo在寫入到數據庫的時候發生錯誤，具體的錯誤看起來好像好似跟_id有關（就是NoSQL數據庫用於鎖定每一個文件的方式，通常會是ObjectId的物件，但是也可以指定為其他的型別），然後能我檢查了我提供的_id也沒有出現重複的情況，後來試了很多（甚至不提供_id和使用objectid格式的也都不行），也查了很多，但還是一直報錯，所以只能先用.insert_one()將就了（如果有人知道是為什麼也可以告訴我）然後因為少兩行，導致所有的資料都被處理成目標，然後就在終端機產生了由8000個結果（因為4000筆每一筆都有兩個部件）構成的雪花屏
總體來說，檔案大小還可以接受（畢竟是純文字儲存的方式，如果換成excel可能都好幾個mb了），
然後會想用4000筆資料來測是因為比較接近廠商的資料。
然後通過line訊息觸發event，得到回覆，實際的耗時大概就是0.21秒（也有0.19的）
這個結果我其實覺得還可以，應付這次的絕對夠，但是還是想之後看看能不能優化一下（但其實在python下身為
tle戰士的我，覺得可能也提升不了多少。或許是我菜）繼續測試（8000）
*不用擔心隨著範圍改變我們的解答也會重新生成（隨機分佈在8000筆資料中）
後來覺得好像對這個數據不太滿意，想看看它的極限在哪裡，然後又測了8000筆資料的
再測試（40000）
雖然跟8000相比資料量成長為5倍，但實際耗時也只成長為2倍（這我還是蠻困惑的，但是可能跟電腦當下的心情和狀態也會有關啦，而且因為數字蠻小的，所以有時候波動就特別明顯，可以到0.2左右）
三、專案結構的一點改動：
主要是我把我常用的debug的一些腳本做了一個簡單的封裝（一方面是考慮到路徑問題，另一方面是為了好整理），然後就簡單整理成這樣。但是主程式目前還是一個小亂的狀態（之後應該也會針對不同功能分出來，個別進行封裝）
四、修改json格式化輸出的程式
因為之前寫的有一個小bug，就是如果是將程式中的陣列直接轉成
json字串，然後給程式進行處理，這樣的話一般程式中的陣列在“，”逗號後面都會有一個空格，也就會導致格式化輸出的json在有些情況都會多一個空格（強迫症表示很難受）後來就是先針對每一行，將開頭多餘的空格去掉（因為我本來想直接使用
\t但是發現好像沒有QQ），然後再添加縮排用的空格心得：
先獻上一張，數據庫心電圖
然後就是隨著專案的體量逐漸變大，再加上是使用
python的關係，也讓我開始逐漸擔憂起實際執行的性能，以及這樣的等待時間是否是可以接受的，但也同樣感受到python所帶來的限制，可能還是需要掌握一門相對速度更快的語言吧，或者是我也應該花更多的時間研究算法，並想辦法在實際的項目中實踐。隨著這個專案的進度不斷地推進，我也開始考量更多跟使用者相關的東西，比如怎麼才能提升使用者的體驗，怎麼才能效果更好，也因為這些因為，有時候會把自己當成使用者，針對很多地方的使用進行一些修改。
然後這幾天的作息真的是不太對，起的很晚，然後也花了蠻多時間在專案和研究一些其他的東西或者耍廢，導致其實我學習歷程檔案還沒認證QQ，不確定會不會短暫停更（等我先把學習歷程檔案趕一下）
之前沒有很看重算法，但其實後來發現可能如果規模持續擴大的花，一定會有一天碰到算法（但是後端的話應該暑假學一下
node.js吧，但近期應該就是看怎麼優化python自己的性能，看是要AsyncIo還是Thread）然後下一篇應該就是研究和使用
APScheduler以及將搜索功能整合進整個的提醒系統。