Детальная информация

В выпускной квалификационной работе рассматривается разработка микросервисного модуля обработки данных учебного расписания. Модуль предназначен для импорта расписания из RUZ API по номеру учебной группы, загрузки данных из Excel-файлов, преобразования расписания к единому внутреннему JSON-представлению, проверки корректности данных и экспорта результата в Excel. Для унификации данных используется канонический JSON-контракт, позволяющий обрабатывать расписание независимо от исходного источника. В модуле реализованы механизмы нормализации данных, структурной и содержательной валидации, формирования предупреждений, а также обработки ошибок при импорте и экспорте. Дополнительно разработана штрафная модель оценки удобства расписания. Она учитывает типовые неудобства для студентов: окна между очными занятиями, единственную очную пару в день, ранние и поздние занятия, отсутствие дистанционного дня и соседство очного и дистанционного форматов. Результаты расчёта агрегируются по учебным группам и представляются в виде рейтинга по суммарному штрафу. Модуль реализован с использованием Java 17, Spring Boot, Apache POI, Jackson, Maven, JUnit 5, Springdoc OpenAPI и Swagger UI. Проверка работоспособности подтвердила корректность основных сценариев: импорта из RUZ API, обработки Excel-файлов, преобразования данных во внутренний JSONформат, валидации, экспорта в Excel и расчёта показателей удобства расписания.

This final qualifying work considers the development of a microservice module for processing academic timetable data. The module is intended to import timetables from the RUZ API by academic group number, load data from Excel files, convert timetables into a unified internal JSON representation, validate data correctness, and export the result to Excel. A canonical JSON contract is used to unify the data and process timetables independently of the original source. The module implements data normalization, structural and content validation, generation of validation warnings, and error handling during import and export operations. In addition, a penalty model for assessing timetable convenience was developed. The model takes into account typical inconveniences for students, including gaps between in-person classes, a single in-person class per day, early and late classes, the absence of a remote day, and the adjacency of in-person and remote formats. The calculation results are aggregated by academic groups and presented as a rating based on the total penalty score. The module was implemented using Java 17, Spring Boot, Apache POI, Jackson, Maven, JUnit 5, Springdoc OpenAPI, and Swagger UI. Functional verification confirmed the correctness of the main scenarios: importing data from the RUZ API, processing Excel files, converting data into the internal JSON format, validation, exporting to Excel, and calculating timetable convenience indicators.

• ОПРЕДЕЛЕНИЯ, ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
• ГЛАВА 1. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ И ПОСТАНОВКА ЗАДАЧИ
  • 1.1. Учебное расписание как объект цифровой обработки
  • 1.2. Источники данных расписания и задача унификации
  • 1.3. Анализ удобства расписания и требования к системе
  • 1.4. Методические ограничения анализа удобства расписания
• ГЛАВА 2. ПРОЕКТИРОВАНИЕ МИКРОСЕРВИСА И АЛГОРИТМОВ ОБРАБОТКИ
  • 2.1. Архитектура микросервиса и технологический стек
  • 2.2. Внутренний JSON-контракт и REST API
  • 2.3. Алгоритмы импорта, валидации и экспорта
  • 2.4. Штрафная модель и рейтинг групп
  • 2.5. Обработка ошибок, расширяемость и эксплуатационные ограничения
• ГЛАВА 3. РЕАЛИЗАЦИЯ, ТЕСТИРОВАНИЕ И АНАЛИЗ РЕЗУЛЬТАТОВ
  • 3.1. Структура программного проекта и реализация API
  • 3.2. Реализация импорта, экспорта, валидации и штрафов
  • 3.3. Тестирование микросервиса
  • 3.4. Экспериментальная оценка и обсуждение результатов
  • 3.5. Ограничения реализации и направления развития
• ЗАКЛЮЧЕНИЕ
• СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
• ПРИЛОЖЕНИЕ А. Пример внутреннего JSON-контракта расписания
• ПРИЛОЖЕНИЕ Б. Фрагмент Excel-отчёта по анализу удобства расписания