# SE6023 Lab 評分標準
###### tags: `hadoop`

:::info
**Note**
If you need English version of this grading standard, please contact TA; or just mail for further information about your grades.
:::

- Lab1-1
- 95: 結果正確
- Lab1-2
- 100: 結果正確；輸出格式不同不會影響分數。
- Lab2-1
- 90: 結果正確
- Lab2-2
- \>90：
1. 語法簡潔，例如

            SPLIT goodData INTO newData IF (quality MATCHES '[0-9]'), oldData IF NOT (quality MATCHES '[0-9]');

而不是

            SPLIT goodData INTO newData IF (quality MATCHES '[0123456789]'), oldData IF NOT (quality MATCHES '[0123456789]');

或是變數一開始讀進來的形式即為float，省去後面type cast

2. 有寫註解
- 90: 結果正確
- 80
1. 結果正確但程式碼冗長，例如

        new = filter good by quality=='0' or quality=='1' or quality=='2' or quality=='3' or quality=='4' or quality=='5' or quality=='6' or quality=='7' or quality=='8' or quality=='9' ;

- 70：能執行但結果錯誤
- Lab3-1
3-1 容許程式碼需要手動修改 class name，不會扣分；測試程式會先嘗試使用受測程式碼的 public static class name 作為檔名編譯，若不能編譯會嘗試手動修改再編譯。
測試開始後，我們會建立一個新的、且與在講義中 hand-on 結束後的狀態內容相近的儲存庫，並將該儲存庫的名稱和測試資料（會包含、但不限於不在原先儲存庫中 column family之資料 ）作為參數傳入程式中。程式執行結束後我們會檢查該儲存庫中是否存在新增的測試資料；其中編譯和執行若有擲出例外或發現錯誤，將予以扣分。
- 100:在只修改 class name 的情況下通過所有檢查點
- 75~95: 繳交的程式碼不能通過所有檢查點，每個檢查點錯誤扣五分。
- 70: 繳交的程式碼能通過編譯、且內容與題目有關
- 70以下: 繳交的程式碼不能通過編譯，或者跟題目無關

檢查點：
- 是否將資料寫死在程式碼中
- 使用程式新增第1筆測資
- 使用程式新增第2筆測資
- 驗證測資的資料內文部份是否成功新增
- 驗證 Column Family 是否成功新增

- Lab3-2
3-2 容許程式碼需要手動修改 class name 和 table/user name，不會扣分；測試程式會先嘗試使用受測程式碼的 public static class name 作為檔名編譯。
測試開始後，我們會建立一個新的、且與在講義中 hand-on 結束後的狀態內容相近的儲存庫，並將該儲存庫的名稱和測試資料（會包含、但不限於不在原先儲存庫中 column family之資料 ）置於 HDFS 上的路徑傳入程式中。程式執行結束後我們會檢查該儲存庫中是否存在新增的測試資料；其中編譯和執行若有擲出例外或發現錯誤，將予以扣分。
- 100:在只修改 class/table/user name 的情況下通過所有檢查點
- 75~95: 繳交的程式碼不能通過所有檢查點，每個檢查點錯誤扣五分。
- 70: 繳交的程式碼能通過編譯、且內容與題目有關
- 70以下: 繳交的程式碼不能通過編譯，或者跟題目無關

檢查點：
- 是否將資料寫死在程式碼中
- 是否將新的 column family 名稱寫死在程式碼中
- 使用程式新增所有測資
- 檢查新增 row key 是否成功
- 檢查新增 column family 是否成功

- Lab4-1
- 100:結果正確
- 80:結果正確，但用python built-in function處理資料而不是用spark api
- Lab4-2
- 100
1. 結果正確且試著減少計算量，例如

             def distance(pair):
                x1, y1 = pair[0]
                x2, y2 = pair[1]
                return math.sqrt(((x1-x2)**2 + (y1-y2)**2))
            points = points.cartesian(points).filter(lambda pair: pair[0] < pair[1])
            result = points.map(distance).min()

- 90:結果正確
- 80:結果正確，但用python built-in function處理資料而不是用spark api
- 70:能執行但結果錯誤
- 0:不能執行
- Invited talk 1 & 2
- 8:一行文
- \>8:依據內容調整

:::success
認為分數值得更高的請來信聯絡
// Lab3 的部份寄信時請CC [e-mail]，謝謝。
:::