静下心来搞pFind蛋白质质谱鉴定系统的引擎核心。今天终于搞定了所有问题。版本冻结。
春节回来，进展如下：
这周末，check in第一个里程碑版本。
害怕周末，比平时紧张。
周五晚上写代码到2点，周六上午上在职研究生英语课迟到，老师问我why，我说cold，他说我不诚实。一整天上课都没状态，最后的小测验成绩可想而知。晚上回来又写代码到半夜，然后整理“每周收藏”。今天又为二手房的事疯狂跑。累。
blog上好久不谈技术了。上周打算读的书也只看了几章，的确好玩，等有精力再写吧。
持续重构pFind搜索引擎，搞定了遗留的BUG，添加了“算法调试”和“性能测试”两个流程。有了单元测试保护，这过程是种享受。三月底发布里程碑版本。
接下来又要折腾论文的事情。
现代C++的发展方向让人困惑：泛型技术的确很酷，却妨碍了模块的动态链接。没有Java Bean这样的标准组件模型可能算是C++语言最让人头疼的地方，程序员被各种编译器和操作系统的细节淹没。
大型系统里，C++到底负责哪些部分更合适？时髦的体系结构是这样的：用C++实现library层，用Java甚至更华丽的动态语言实现业务层和界面层。看起来很美，比如Eclipse和SWT。
串联质谱鉴定系统搜索引擎pFind以外的模块如何组织？一直拿不定主意。
上周去合作单位，实际操作同类的国外工业级产品，集群系统的体系结构给我留下了深刻印象：由C++实现各种独立的后台服务，无论命令行、Java GUI界面、分布式网络协议或Web界面方式，都能操作这些服务进程。的确是简明漂亮的方式。
好的解决方案往往都很简单。比如集群节点间的通讯服务，其实只需相互交换简单的消息，再利用NETBIOS或NFS共享具体数据就行了。
到海外发展的职业球员一般在转会第二年遇到瓶颈。对于系统分析员有个类似规律：小心进入新领域后的第二次设计。
刚涉及陌生领域，战战兢兢，因此放低期望值，尽量采用熟悉可靠的设计和技术，遇到变化能容忍妥协。而到了“第二个赛季”，虽然客观上面对前一版剩下的“难啃的骨头”，但由于对领域知识有所了解，半瓶水晃荡，需求分析时就会有意无意添上很多漂亮但不重要的内容，设计时也总想用时髦的新技术弥补上一版的遗憾……眼高手低往往搞砸。就连成熟的大公司开发的软件产品，“2.0”都是危险阶段。
到目前为止，在生物信息组的工作还算满意，但接下来进入深水区，必须加倍谨慎。
昨天是测试第一天，整天都在忙着组织：配置测试平台、上传测试用质谱、挑选蛋白质数据库索引、解决平台差异、帮助不熟悉自动化测试工具的同事编写脚本、定位缺陷、修订测试案例、添加单元测试代码、发布补丁、汇总进度……直到晚上20:00才搞完。
回去路上又碰到个神神叨叨的讨厌的家伙，只好从轻轨下来直接打出租车摆脱他，到家直接上床呼了，没开电脑写BLOG。（2011年博客搬家时补：这个跟踪的家伙是我的情敌，真是二，后来居然在晚上加班回家路上用电棍袭击我，被打翻在地上揍一顿就老实了。当时我们也很害怕，差点报警。现在想想2006是有趣的一年，还真遇到过不少稀奇古怪的事）
美美睡一觉就舒服多了。今天组里的测试工作很顺利。虽然下午有会，还是追上了进度计划。目前共完成测试用例204个，累计报告7个问题，汇总出3个BUG，已修复1个，完成总工作量的21.9%。我自己也一口气测了40个测试用例，位列排行榜第二。
明天可能有更多空闲调BUG，希望18日的milestone有个好心情去滑雪
进度比一开始计划慢了，不过总算是在2005年初步跑通了整个流程，验证了新的框架。上周把各个模块的单元测试代码和数据整理完了。今天唐发来了集成测试计划，总共设计了931个测试案例(辛苦辛苦)，放假前的10天，平均每人每天需要测试10~11个。
另外一方面，工程组面临着巨大的压力。似乎又要新开始一个关于交通仿真的项目，数字图书馆这边也在提新的需求……不管怎样，有了去年的痛苦教训，我绝不会再介入其他项目；前几天部门领导谈话，轮到我这组时，提到实验室和公司剥离后的去向问题。
不管如何，决心静下心来，把精力集中在pFind软件开发和学术论文上，其他事和我无关。发现自己很不善于并发应付太多件事，所以今年我要明确几个主题，其他事情都让路。也许除了pFind工作和论文，买房也算一件重点吧。房子一直在看，房价一直在涨，总说：“到顶了，要调控了，泡沫要破了”，看来不靠谱，要当机立断。
万岁！10:43的时候，蛋白质多肽串联质谱鉴定系统终于输出完整的结果了，刚好是今年的最后一天。秀一下输出的XML报表，嘿嘿。
从一窍不通到熟悉生物信息基本概念；从阅读几万行代码，到重写了几乎整个系统；从频繁的开会交流，制订接口，培训单元测试工具，双人编程，到最后阶段大胆的重构……踏踏实实干了不少事情。年底的气氛总是浮躁，能控制住自己静下心来，集中精力保证每天八小时工作质量，不加班，也没偷懒，真不容易。成就感:)
一下子精神起来了（昨晚应酬，早上上班还很疲惫呢）。接下来，整理单元测试代码，准备过几天的汇报演示，1月份开始集成测试。测试方案花了不少心血准备，这下终于可以用上了。
下雪了，心情不错，新年快乐。谢谢各位同事给我的帮助
阅读代码，画图，然后重构，单元测试……搞定了数据库部分。
被数据结构的细节所纠缠。由于性能原因，无法使用通用数据库平台，只能自行开发一个数据服务。用各种酶在不同修饰条件下，对几十G 蛋白质数据进行酶切，得到肽离子，建立索引（即使最小的库，都有将近九千万条，而且每新增一种酶或修饰，数量还要翻倍），然后用文件映射方式，通过共享内存提供服务。
其实我很欣赏系统最初的体系结构设计。但是由于1.5版deadline很紧张，老板施加了巨大的压力。为赶进度，工程师编程顾不上接口和重构，产生了大量的耦合和拷贝，弄得整个架构动弹不得。我接手后，只好回过头用几倍的时间阅读和重构代码，何苦呢？
彻底重新设计了数据访问类，用一个纯虚父类做接口，隔开其他部分。每种具体实现方式作为一个子类，比如目前读取共享内存的代码。还打算把1.0版不通过索引的数据访问方式代码也移植过来，实现另外一个子类，提供给系统内存小于1.5G的用户。
固定了接口，新版本就可以再实现其他数据访问方式，比如通过关系型数据库和Web Service提供数据服务。用关系型数据库的话，为保证效率满足Web应用，就必须用集群或网格了。这种情况一般都考虑Oracle，但涉及到老板的银子……听说Google采用MySQL，很希望知道他们的方案。
今天跑通了单元测试案例，用的是马（Horse）的蛋白质库，不加任何修饰。Debug版访问所有肽链一遍，2.266秒。以前还真没对付过这种级别的海量数据。
BTW：早上去了趟所里，玩了玩曙光3000，酷。
士气很高，可能因为pFind开发进度顺利吧。算法层的单元测试案例完成后，就可以放心把各个模块留给博士们独立开发了。开始画应用层SDK的业务流程。周四下午拖着别人开会。傻乎乎的外行问题、写写擦擦的白板、乱七八糟的稿纸。周五整天都在修改Visio图。每30分钟拿着修改稿跑去访问（或者说骚扰更合适）一圈，好累，总算把系统业务流程严谨地定义到白纸黑字上了。下周被其他项目拖住的工程师也能过来了，要启动新的里程碑了，嘿嘿。
交流真是一种技能。很多时候，你以为懂了，达成一致了，其实没有。必须把细节清楚列在纸上，拿给人家看，被认同，这才算数。
例子太多了。比如我找几个博士聊过很多次后，仍然以为蛋白质片段匹配的误差分析，是各种质谱类型对应不同的统计图；直到在业务流程上写注释，才意识到可能有误解。跑去一问，原来所有质谱都应该提供多种误差分析工具，只不过生物学家针对每种质谱类型有不同侧重。实际上，调查对象已经多次明显表达出这个意思了，但我的耳朵一直在按软件工程师的思路去听。系统分析像是深入陌生的专业领域签合同，应该始终提醒自己，与领域专家的交流要虚心，提问要细致再细致，总结文档要明确再明确。
BTW:老板原则很“完美”，不仅要求牛paper，还要实现真正可用的商业级系统。纸上漂亮的模型遇到实际数据不一定管用，实验室的博士生真比别处辛苦。
昨晚十点多回来，酒有些晕，睡不踏实，挣扎起来继续调程序。凌晨两点，两个多肽质谱预处理模块的CppUnit测试案例都正常通过了，哈哈，绿色进度条特别顺眼。
需求沟通、接口规范文档、体系重构方案、老版本代码review、人力进度协调、双人编程和单元测试……其实到昨天为止，我并不像表现的那么有把握。这两个模块的完成证实了开发方案的可行性，下一步就很有信心了。
