智慧农业大棚数据处理与优化

为什么智慧农业刻不容缓？

这不仅是一道课程作业，更是国家战略需求的技术缩影。理解背景，才能理解代码的意义。

数据结构与任务对应总览

• 设计 TemperatureRecord 实体类，包含 time（格式 "HH:mm"）和 temperature（double，单位 °C）字段
• 维护一个按时间升序排列的 List<TemperatureRecord>
• 实现 findLatestTemperature(List<TemperatureRecord> records, String targetTime)：使用二分查找，返回 ≤ targetTime 的最近一条记录的温度值；若所有记录都晚于 targetTime，返回 null
• 编写完整测试用例，覆盖：精确命中、落在两个时间之间、早于最早记录、晚于最后记录等边界情况

温室控制器的配置参数（如温度阈值、灌溉频率、报警上限）需要随季节和作物生长阶段频繁调整。每次更改配置后，如果效果不理想，运维人员希望能一键撤销，回到上次的配置状态。这种"撤销/重做"操作，天然契合后进先出（LIFO）的栈结构。

典型场景：春季番茄种植，温控阈值从18°C调整到20°C，但第二天发现幼苗有轻微冻害风险，运维人员需要立即回退到上一版本配置。如果用数组记录，需要手动维护"当前版本指针"；用栈则天然支持 push/pop。

数据特征：版本变更频率低（每周几次）；回滚操作需要即时响应；需要保留完整历史链路供审计；旧版本按时间自然淘汰。

• 设计 DeviceConfig 配置类，包含版本号（自增）、修改时间（时间戳）、操作人、配置内容（JSON或Map）等字段
• 基于数组或链表手动实现一个泛型 Stack<T> 类，不允许直接使用 java.util.Stack
• 实现 push(config)（提交新配置）、pop()（回滚至上一版本）、peek()（预览当前配置），所有操作 O(1) 时间复杂度
• 实现历史版本列表：遍历栈中所有版本并展示版本信息（从栈顶到栈底）
• 为栈设置最大深度限制（如保留最近 50 个版本），栈满时自动淘汰最旧版本（栈底元素）
• （进阶）实现双栈设计：一个操作栈 + 一个撤销栈，支持"撤销"与"重做"双向操作

云端控制台会同时向多台设备推送指令（如"设备A开启浇水→设备B关闭风扇→设备C调温至25°C"），设备执行器每次只能处理一条指令。必须保证先推送的指令先执行（FIFO），否则可能出现"水还没关就开始施肥"的错误操作。队列是这一场景下最直接的解决方案。

• 设计 Command 指令类，包含指令ID、目标设备ID、指令类型、下发时间等字段
• 基于循环数组手动实现 CircularQueue<T>，包含 enqueue、dequeue、isEmpty、isFull 方法
• 模拟生产者-消费者场景：一个线程不断入队指令，另一个线程模拟设备执行器出队并处理
• 实现队列满时的阻塞策略（简单起见可用轮询或 wait/notify）
• 统计队列的吞吐量（单位时间内处理的指令数量）

public class CommandQueue {
    private Command[] buffer;
    private int head = 0, tail = 0, size = 0;

    /** 入队：推送新指令 */
    public synchronized void enqueue(Command cmd)
        throws InterruptedException { ... }

    /** 出队：取出下一条待执行指令 */
    public synchronized Command dequeue()
        throws InterruptedException { ... }

    /** 查看队头指令（不出队） */
    public Command peek() { ... }

    /** 当前队列中待处理指令数 */
    public int pendingCount() { ... }
}

大棚系统的用户角色形成天然的层级关系：超级管理员 → 区域负责人 → 技术员 → 操作员。父节点的权限自动传递给子节点，但子节点可以额外受限。同时，设备本身也组织成树形（大棚A区 → 温室1号 → 传感器组1 → 具体传感器）。用树来建模权限，不仅直观，还能用遍历算法高效处理权限继承与校验。

• 设计 PermissionNode 节点类，包含角色名称、权限集合（读/写/控制）、子节点列表
• 构建多叉树（N-ary Tree）表示组织权限结构，根节点为超级管理员
• 实现权限继承：子节点默认继承父节点的所有权限
• 实现权限校验：给定用户角色和目标设备，判断是否有操作权限
• 实现DFS 遍历打印完整权限树，展示各节点权限
• 实现权限剪枝：将某个子树的所有节点降权（如临时收回某区域的控制权）

public class PermissionTree {
    private PermissionNode root;

    /** 在指定父节点下添加新角色节点 */
    public void addRole(String parentRole, PermissionNode child) { ... }
    /** 校验指定角色是否有操作某设备的权限 */
    public boolean hasPermission(String role, String deviceId, String action) { ... }
    /** DFS 遍历打印完整权限树 */
    public void printTree(PermissionNode node, int depth) { ... }
    /** 对某子树内所有节点批量降权 */
    public void revokeSubTree(String rootRole, String action) { ... }
}

智慧大棚中有多个独立灌溉区域，每个区域的灌溉任务设定了精确的执行时刻（Unix 时间戳）。调度系统需要在任务到期时立即触发，同时不断接收新的调度任务。最小堆天然支持"快速找到最小值"，堆顶始终是最近要执行的任务，时间复杂度：插入 O(log n)，取最小值 O(1)，出堆 O(log n)。

• 设计 IrrigationTask 类，包含任务ID、目标区域、计划执行时间（时间戳）、灌溉时长等字段，实现 Comparable 接口（按执行时间比较）
• 基于数组手动实现最小堆 MinHeap<T extends Comparable<T>>，包含 heapifyUp（上浮）和 heapifyDown（下沉）操作
• 实现 schedule(task)（添加调度任务）和 pollNext()（取出最近到期任务）
• 实现调度主循环：轮询堆顶，当堆顶任务的执行时间 ≤ 当前时间时，出堆并执行
• 支持取消任务：给定任务ID，将其从堆中移除并重新堆化

public class IrrigationScheduler {
    private MinHeap<IrrigationTask> taskHeap;

    public void schedule(IrrigationTask task) { ... }
    public IrrigationTask pollNext() { ... }
    public boolean cancel(String taskId) { ... }

    public void runScheduleLoop() {
        while (true) {
            IrrigationTask top = taskHeap.peek();
            if (top != null &&
                top.executeAt <= System.currentTimeMillis()) {
                execute(taskHeap.poll());
            }
            Thread.sleep(100); // 避免忙等
        }
    }
}

随机选边虽然可能实现连通，但存在两类致命问题：① 选了成本偏高的边；② 形成了回路（多余连接，增加不必要成本）。我们需要一种有规则的选边策略。

• 设计 Node（灌溉节点）和 Edge（管道路径，含两端节点与权重）类
• 实现 Kruskal 算法：边集排序 + 并查集（Union-Find）判断是否成环，逐步选入最低成本边
• 实现 Prim 算法：从任意节点出发，每次用最小堆贪心选取连接已选集合的最短边
• 输出最终管道方案（边集）及总铺设成本，并与随机连接方案进行对比
• （进阶）某条管道损坏后，如何快速重新规划，找出次优方案

• 设计 Node（灌溉节点）和 Edge（管道路径，含两端节点与权重）类
• 实现 Kruskal 算法：将边集按权值排序，用并查集（Union-Find）判断是否成环，逐步选入最低成本边
• 并查集需实现 find（路径压缩）和 union（按秩合并）两个核心方法
• 输出最终管道方案（边集）及总铺设成本，并与随机连接方案对比验证
• （进阶）实现 Prim 算法：从任意节点出发，每次用最小堆贪心选取最短边

八种数据结构 · 一个完整系统

每一种数据结构都不是孤立的知识点，它们共同构成了智慧农业大棚的技术骨架。

希望通过这份任务单，你不仅能掌握这 8 种数据结构的实现细节，更能建立起"看到问题 → 抽象模型 → 选择结构 → 分析复杂度"的系统性思维，这正是一名优秀工程师最核心的能力。