共享之舟——β冲刺Day1
| 这个作业属于哪个课程 | 软件工程实践-2023学年-W班 |
|---|---|
| 这个作业要求在哪里 | 团队作业—beta冲刺+事后诸葛亮 |
| 这个作业的目标 | 共享之舟——β冲刺Day1 |
| 其他参考文献 | - |
目录
- SCRUM
- 成员描述
- 戴聪
- 工作内容
- 项目签入+展示
- 谢凌云
- 工作内容
- 项目签入+展示
- 遇到的困难
- 熊桂根
- 工作内容
- 项目签入+展示
- 困难与解决方法
- 心得体会
- 蓝有润
- 工作内容
- 记录和展示
- 存在的问题
- 明日规划
- 陈智翔
- 工作内容
- 记录和展示
- 存在的问题
- 明日规划
- 潘岩
- 工作内容
- 记录和展示
- PM
- 会议照片
- 工作进度估计
- 项目燃尽图
- 项目进展
SCRUM
成员描述
戴聪
工作内容
完成的任务,修复了后台提交商品审核信息的bug,完成后台评论审核、退款审核、举报评论审核的前后台对接任务。
花费时间:4h
剩余时间:0.5h
明日规划:完成后台所有对接并进行基本测试,剩余时间对前台剩余的部分进行帮助。
项目签入+展示

谢凌云
工作内容
完成了商品具体信息的前后端通信内容,已经能够获取后端数据并解析显示在网页上,进行了CSS布局的优化。
项目签入+展示


遇到的困难
查看商品具体信息过程中,原来想要进行页面间的参数传递,传递值为一个对象commodity,但是参数传递一个对象过程中一直出错,且无法解决,最终改为传递一个商品id,在页面渲染过程中向后端请求商品的具体信息。
熊桂根
工作内容
与前端对接接口——主要是对接了评论审核的PUT接口、修改退款信息的PUT接口、修改商品举报信息的PUT接口、修改用户举报接口的PUT接口。
项目签入+展示


困难与解决方法
今天困难主要是在前后端对接途中遇到的各种疑难杂症,报错位置有误或者不清楚,导致debug苦难。
要善用测试工具进行接口的测试和debug,例如Jmeter等工具。
心得体会
当设计后端API时,与前端开发团队的紧密协作非常关键。首先,我们后端人员需要深入了解前端团队的业务需求以及他们希望如何展示数据,这有助于我提供精确且满足需求的数据,同时避免发送多余的数据。同时能提高开发效率避免多次无意义的修改。
蓝有润
工作内容
测试
完成了商品详情界面的逻辑覆盖测试和接口测试,以及登陆界面的前后端集成测试。
完成了评价的逻辑覆盖测试和接口测试。
预计时间:4.0h
花费时间:4.5h
记录和展示
结果展示

存在的问题
JMeter有时候会出现UI崩溃现象,不知道是不是兼容性的原因,还是恶性bug。
明日规划
帮助潘岩同学了解项目的结构,同时进行购物车和店铺界面的有关测试。
陈智翔
工作内容
测试
协助蓝有润同学完成商品详情界面的前后端集成测试。
预计时间:1.0h
花费时间:2.0h
记录和展示
结果展示

存在的问题
暂无
明日规划
按照蓝有润同学的计划继续协助测试,因为系统不兼容springboot,所以很难做纯后端测试。
潘岩
工作内容
测试
和蓝有润学习,一起协作完成评价界面的逻辑覆盖测试
预计时间:1.2h
花费时间:2.0h
记录和展示
结果展示

PM
会议照片

工作进度估计
| 完成时间(h) | 总时间(h) | 完成度 | 天数 |
|---|---|---|---|
| 8.2 | 66.5 | 12.33% | 1 |
项目燃尽图
| 天数(D) | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|---|---|---|---|---|---|---|---|
| 计划(h) | 66.5 | 0 | ||||||
| 实际(h) | 66.5 | 58.3 | - | - | - | - | - | - |

项目进展

相关推荐
【信息科学与工程学】【广告科学】第四十四篇 广告平台投放和广告计费类算法01
全行业的中国企业广告投放模型总表。行业分类依据《国民经济行业分类》(GB/T 4754—2017)的门类/大类 ,产品层参考"主营产品统计代码"行业—产品映射 ,平台算法以巨量引擎、腾讯广告等官方文档为硬支撑 ,合规部分严格对齐《互联网广告管理办法》以及2026年市场监管部门最新合规提示 。编号类型(门类)行业(大类)企业及产品内容列表投放模型投放平台投放人群欲望激发维度面向人群模式(地域/文化/年龄/角色)001A 农林牧渔01 农业北大荒/中粮:五常大米、面粉、食用油、杂粮品牌曝光 + 电商转化双轨(C
【信息科学与工程学】【数据科学】第五十一篇 数据仓库00 基础设计01
数据仓库设计的系统性解决方案,涵盖架构模式、分层设计、百万级访问支撑、海量数据配置及与数据库/数据湖的对接策略: ODS(操作数据层):原始数据镜像,保留历史快照 DWD(明细数据层):清洗、标准化、维度退化 DWS(汇总数据层):主题宽表、轻度聚合 ADS(应用数据层):高度聚合,面向报表/API 二、百万用户访问架构设计 1. 核心架构组件 2. 关键配置参数(以Snowflake为例) 3. 性能优化措
【信息科学与工程学】【财务管理】第九篇 企业收款与资金催收管理02
编号特征/行为类别具体特征/行为名称描述相关函数/算法数学方程/伪代码/核心思想2.1.2.001额度动态调整基于滚动时间窗口行为评分的自动调额定期(如每日/每周)计算客户在过去N天内的行为评分(综合付款、订单、互动),根据评分变化自动触发额度上调、下调或冻结建议。滚动窗口计算、阈值触发。;。2.1.2.002额度动态调整预测性额度需求模型与预增信使用时间序列模型预测客户未来M天的订单金额和节奏,在预测需求高峰来临前,主动、临时性地上调其信用额度,避免因额度不足影响销售。时间序列预测、事件驱动。
《模式识别与数据挖掘》配套PPT课件
《模式识别与数据挖掘》配套PPT课件
科技成果转化项目进场交易前,评估备案环节需要准备哪些材料?_8.docx
科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。


