拒绝代码臃肿，这套计算引擎设计方法值得一看！

腾讯云开发者

发布于 2021-08-19 10:11:17

5940

发布于 2021-08-19 10:11:17

文章被收录于专栏：【腾讯云开发者】

导语 | 在庞大的数据系统中，往往会有大量的计算需求。传统的方式便是直接在代码写各种计算逻辑判断，这导致了代码非常臃肿，计算维护的成本变大。所以想着编写一套DSL，定义专用的语法去实现对数据的计算，并将其独立成为底层基础服务。

一、DSL 设计

（一）何为 DSL

领域特定语言（英语：domain-specific language、DSL）指的是专注于某个应用程序领域的计算机语言。不同于普通的跨领域通用计算机语言(GPL)，领域特定语言只用在某些特定的领域。

简单来说，就是利用DSL，通过抽象构建模型，抽取公共的代码，以达到提高开发效率，减少重复的劳动的目的，比如经常使用的SQL。

同样的思路，我们要将复杂的逻辑判断与计算规则抽象化，构建计算DSL。

（二）如何通用化设计计算 DSL

值得庆幸的是，办公中经常使用的Excel就包含了许多计算规则。

让我直接举一个例子来说明，比如：要计算实际支出超出预算的金额，由于超出金额不可能为负数，所以逻辑条件为：如果实际支出大于预算，则结果为实际支出减预算，反之则取0。对应的Excel计算公式为：

IF (C2 > B2, IMSUB (C2, B2), 0)（C2 代表实际支出，B2 代表预算，IMSUB 代表减法）

有了一个这么专业的例子，那么对应我们的计算DSL就是：

IF ({budget} > {actual_expenses}, IMSUB ({budget}, {actual_expenses}), 0)（{}用于标示具体字段，budget、actual_expenses 代表数据库中对应的预算、实际支出字段）

（三）DSL 设计的优势

与Excel计算规则相似，减少用户学习成本。
按照专业的规则来定义，使计算DSL更规范。
由于规范的设计，更有利于后期扩展。

二、计算引擎的实现

（一）DSL 解析

对于这种有关键字并且无限嵌套的DSL，应该没有比堆栈更合适的方法来解析了。下面是具体例子的部分解析代码：

$dsl = 'IF({budget}>={actual_expenses},IMSUB({budget},{actual_expenses}),0,1)';
$stack               = []; // 堆栈$result              = []; // 结果$comparisonOperators = ['<', '>', '&', '|', '=']; // 比较运算符$placeholders        = [',', '(', ')']; // 占位符for ($index = 0; $index < strlen($dsl); $index++) {    $key = $dsl[$index];    switch ($key) {        // 解析变量        case '}' :            $variable = '';            while (true) {                $item = array_pop($stack); // 出栈                if ($item === '{') {                    break;                }                $variable = $item . $variable;            }            $result[] = $this->getVariable($variable); // 获取真实变量值            break;        // 解析方法        case  '(' :            $method = '';            while (true) {                $item = array_pop($stack); // 出栈                if (is_null($item)) {                    break;                }                $method = $item . $method;            }            $result[] = $method;            $result[] = $key;            break;        // 存储占位符，清空栈内变量（常量）        case in_array($key, $placeholders) :            $variable = '';            while (true) {                $item = array_pop($stack); // 出栈                if (is_null($item)) {                    break;                }                $variable = $item . $variable;            }            $variable != '' && $result[] = $variable;            $result[] = $key;            break;        // 解析比较运算符        case in_array($key, $comparisonOperators) :            if ($dsl[$index + 1] == '=') { // 兼容 >=、<=                $result[] = $key . '=';                $index++;            } else {                $result[] = $key;            }            break;        // 入栈        default :            $stack[] = $key;            break;    }}

‍

（二）数据结构化

通过DSL解析可以得到“未赋值”的结构，再根据预先存储的数据模型对变量进行赋值，我们便可以得到如下结构：

这样一来，DSL就变成了机器所能识别的数据，将参数带入到指定的函数中便能得到计算结果。

（三）递归计算

从上图的结构中，我们可以分析出：每一个计算都包含了计算函数、占位符（开始符、分割符、结束符）以及函数对应的多个参数。其中参数可以是比较运算（IF函数第一个参数必为比较运算），也可以是另一个函数。这时候我们只需要使用递归的方式去不断往下运算便能得出结果。

/** * IF 函数核心计算逻辑 */public function calculate(){    // 计算比较结果    if ($this->getComparativeResult()) {        return $this->getResult($this->params[1]); // 返回真    } else {        return $this->getResult($this->params[2]); // 返回假    }}/** * 获取计算结果 */public function getResult($params){    // 如果是函数，则继续计算    if (is_array($params)) {        return (new Calculate($params))->calculate(); // 递归计算    }        // 非函数，直接返回结果    return $params;}

（四）架构梳理

首先对输入的DSL进行校验、解析并结构化数据；然后启动多个计算引擎同时并行处理；最终输出计算结果。

三、项目接入

（一）架构设计

整体架构分为五层，上层应用层提供给具体应用接入；通讯层负责对接收应用层的数据，及对支持应用层轮询获取计算结果；DSL解析层负责DSL校验、DSL解析以及数据结构化；处理完之后再到核心计算层，进行具体的计算执行；最后再将结果入库并将结果发送到消息队列中。

其中，DSL 解析层和核心计算层共同组成计算引擎。

四、问题与思考

（一）计算提升效率缓慢

在完成项目接入后，为了提升计算效率，采用并行执行的方式来执行计算。期望的效果便是：随着并行的数量增加，效率也随之增加。

但事实总是事与愿违，即使扩大计算的并行数量也无法成倍提升计算效率，并且当并行数达到一定量时，效率提升越不明显。

（二）计算依赖

在经过仔细的问题排查之后，发现数据计算之间是有依赖关系的。让我们直接看下图的例子：当同时计算A、B、C三个字段时，不管如何并行执行，B的计算永远依赖A计算的结果；同理，C的计算也永远依赖A和B的计算结果。总而言之，就是说计算效率是有瓶颈的。

那么，如何能够用最少的资源达到整体计算的最佳效率呢？

五、解决方案：寻找最优解

（一）策略优先算法

对于每个计算字段来说，我们是知道具体依赖的程度的：

对于A、D，只依赖常数，所以他们依赖程度为0。
对于B、E，分别依赖A、B，那么他们的依赖应该分别在A、B的基础上+1，所以他们的依赖程度为1。
对于C，同时依赖A、B，那么他的依赖程度应该为A+B+1=2。

所以，我们将每个字段排了优先级，对于同一优先级的字段并行计算，依次进行，便能以最少的资源达到整体计算的最佳效率。

（二）计算速度不一致

在实际的计算中，每个字段计算的速度是不一样的。比如：在第一优先级中的A需要不断的累加才能得出结果，需要比同一优先级的D花费更长的时间。假如此时D已经计算完成，那么E其实已经不需要再依赖其他计算了，应该立即被执行。但由于第一优先级还未算完，所以只能继续等待。这样一来，对于计算结果的反馈非常的不友好。