AppDataMap标准化

存在的问题：
一、不支持midmif数据格式
        (一)无法摆脱数据的前处理工作
二、存在三个有效分支，各分支数据编译功能相互独立
        (一)四轮的数据编译
        (二)两轮的数据编译
        (三)步行的数据编译
三、不支持参数可选配置和启动
        (一)当前启动不可传入任何参数进行配置和选择
四、不支持http等请求方式进行交互
五、CPP-ATLAS标准化空白
六、应用线上监控日志告警空白

核心板块：
●AppDataMap工程改造
        ○多分支能力集成
        ○midmif格式支持
        ○Webserver兼容
●ATLAS 标准化
        ○构建
        ○部署
●AppHelloMapDataFactory功能完善
        ○hlog
        ○健壮性
        ○sentry
        ○告警

主要工作内容：
3.1AppDataMap工程改造

3.1.1改造前的检验
在做工程改造之前，首先要先确认数据编译分支中两轮、步行分支是否可以直接使用四轮分支替代，在预处理过程中再用lua文件区分预处理工作。
对比结果：
2000 case.csv

均与高德策略比较
策略	百度-骑行策略	线上cycling策略	bicycledatacompile （2022M9）	feature-shp2osm-compiler-with-ETA-logicSimplify（2022M9）
			unrelease-5.28.0/hellomaproute-independent-master	unrelease-5.28.0/hellomaproute-independent-master
			bicycle.lua	bicycle.lua
距离-整体差异率	0.143	0.176	0.175	0.327
距离-badcase占比	0.156	0.188	0.194	0.225

20000 case

均与高德策略比较
策略	百度-骑行策略	线上cycling策略	bicycledatacompile（2022M9）	feature-shp2osm-compiler-with-ETA-logicSimplify（2022M9）
			unrelease-5.28.0/hellomaproute-independent-master	unrelease-5.28.0/hellomaproute-independent-master
			bicycle.lua	bicycle.lua
距离-整体差异率	0.151	0.365	0.199	0.292
距离-badcase占比	0.144	0.209	0.206	0.235

●结论
仅仅使用一个数据编译逻辑无法同时满足四轮、两轮、步行多个场景的需求，决定改造数据编译达到同一工程同一分支支持多场景数据编译。

3.1.2变更方向

SOCKET

变更内容
1. 支持四轮、两轮、步行数据的输出
2. 支持EMG、NIMIF、腾讯等图商数据的输入
3. 支持 SOCKET 申请域名
        申请AppHelloMapDataFactory应用
        申请应用域名
4. 支持参数参数配置端口、线程上限、版本号
5. 支持MID MIF；
6. 支持webserver，无需重复atlas发布

3.1.3开发详情
开发List
支持web-server在线请求编译的能力
支持walking、driving、cycling
支持参数部署dataComplier服务
支持并发编译三种Mode数据
支持子线程数量可以控制
日志的打印问题在在多线程下如何区分出来
监控信息的增加

问题记录:
3.1.3.1std::thread.detach()
在使用 detach() 函数时，有一些注意事项需要考虑：
1确保线程已经完成工作：在调用 detach() 之前，确保线程已经完成了它的工作，或者你能够确定线程可以安全地在后台运行。如果线程仍然在执行关键任务，而主线程提前结束并分离了该线程，可能会导致资源泄漏或未定义行为。
2确保线程对象的生命周期有效：被分离的线程对象在分离后仍然需要保持有效的生命周期，以确保线程的运行正常。如果线程对象超出了其作用域或被销毁，而分离的线程仍在执行，可能会导致不确定的行为或崩溃。确保线程对象的生命周期足够长，或者使用动态分配的线程对象（使用 new 创建线程对象）。
3无法获取线程的返回值：一旦线程被分离，主线程将无法获取该线程的返回值。如果你需要获取线程的返回值或执行状态，那么不应该使用 detach()，而是使用 join() 函数等待线程完成并获取其结果。
4不要对已分离线程调用 join()：已经分离的线程与主线程没有关联，因此不能对已分离的线程对象调用 join() 函数。如果尝试在已分离线程上调用 join()，将导致运行时错误。
5注意线程安全性：在多线程编程中，需要注意线程之间共享数据的安全性。确保在访问共享数据时进行适当的同步和互斥操作，以避免竞态条件和数据损坏。
总之，使用 detach() 函数需要谨慎考虑，并确保满足上述注意事项。detach() 适用于那些你希望让线程在后台运行，不需要等待其完成的情况。如果你需要管理线程的状态、等待线程完成并获取其结果，那么应该使用 join() 函数或其他适当的同步机制。

3.1.4.2变量作用域
主程序下的变量，和request中的变量，二者的作用域不同产生的影响也是不同的。

3.1.4.3互斥锁的问题:
#include <condition_variable>
#include <mutex>
使用mutex锁以实现互斥和计数，创建全局变量 std::mutexmtx，在特定的作用域下方，使用：std::unique_lock<std::mutex> lock(mtx) 来完成互斥。

3.2ATLAS 标准化
3.2.1CPP/C 应用发布的基础模板

涉及内部数据此处不做展示。

3.4 数据编译功能验证
3.4.1四轮验证

结论：比较对照组和实验组数据编译结果，二者产生的文件完全一致。（符合预期）
3.4.2两轮验证
●测试输入数据（广州市—单车订单的开关锁位置）：

bike_case.csv(1.1 MB)

bike_test_2000.csv(114 kB)
●对比结果：
1474 case

均与高德策略比较
策略	百度-骑行策略	线上cycling策略 （2020Q4）	bicycledatacompile （2022M9）	feature-shp2osm-compiler-with-ETA-standardize（2022M9）
			unrelease-5.28.0/hellomaproute-independent-master	unrelease-5.28.0/hellomaproute-independent-master
			bicycle.lua	bicycle.lua
距离-整体差异率	0.143	0.178	0.175	0.177
距离-badcase占比	0.155	0.189	0.184	0.187

14408 case

均与高德策略比较
策略	百度-骑行策略	线上cycling策略 （2020Q4）	bicycledatacompile（2022M9）	feature-shp2osm-compiler-with-ETA-standardize（2022M9）
			unrelease-5.28.0/hellomaproute-independent-master	unrelease-5.28.0/hellomaproute-independent-master
			bicycle.lua	bicycle.lua
距离-整体差异率	0.171	0.438	0.22	0.22
距离-badcase占比	0.155	0.213	0.207	0.206

结论：比较对照组和实验组的骑行路径规划结果，实验组的效果优于对照组（线上效果）。
3.4.3步行验证
●测试输入数据（广州市—单车订单的开关锁位置）：

bike_case.csv(1.1 MB)

bike_test_2000.csv(114 kB)
●对比结果：
1474 case

均与高德策略比较
策略	百度-步行策略	线上walking策略	walkingdatacompile （2022M9）	feature-shp2osm-compiler-with-ETA-standardize（2022M9）
			unrelease-5.28.0/hellomaproute-independent-master	unrelease-5.28.0/hellomaproute-independent-master
			foot.lua	foot.lua
距离-整体差异率	0.065	0.109	0.105	0.104
距离-badcase占比	0.036	0.095	0.09	0.089

14391 case

均与高德策略比较
策略	百度-步行策略	线上walking策略	walkingdatacompile （2022M9）	feature-shp2osm-compiler-with-ETA-standardize（2022M9）
			unrelease-5.28.0/hellomaproute-independent-master	unrelease-5.28.0/hellomaproute-independent-master
			foot.lua	foot.lua
距离-整体差异率	0.066	0.463	0.134	0.133
距离-badcase占比	0.042	0.102	0.099	0.099

结论：比较对照组和实验组的骑行路径规划结果，实验组的效果优于对照组（线上效果）。