性能优化技巧 - 位置利用

SPL的特征之一是数据有序，适当地利用位置，可以显著提高性能。让我们先从一个典型场景开始，逐步掌握利用位置的各种技巧。

快速查询

对排序后的数据进行二分查找，可以获得较高的性能，但有些算法需用到原始顺序，看上去似乎不该再排序。比如下面的案例：

PerformanceRanking.txt有三个字段，分别是empID(销售员编号)、dep(部门名称)、amount（销售额）。该文件记录着各部门各销售员本季度的业绩排名，已按销售额逆序存放，现在需根据指定的销售员ID，计算出：他应当再增加多少销售额，才能提高业绩排名。如果该员工已经是第1名，则无需增加销售额。

本算法需要用排名高一位的销售员的销售额，减去该销售员的销售额，即对原始数据做相对位置计算。既然要用到原始顺序，似乎就不该再排序，否则两者难以互转，而且其他算法可能用到原始数据。这种思路下会把脚本写成这样：

	A	B
1	=file("PerformanceRanking.txt").import@t()	/读取数据
2	=A1.pselect(empID:10)	/不利用位置，按empID查询记录序号
3	=A1.calc(A2,if(#>1,amount[-1]-amount,0))	/在原始数据中做相对位置计算

上述脚本没有对数据排序，所以不能进行二分查找，性能不高。

事实上，我们可以在保留原始数据的前提下，利用位置进行排序，从而提高查询性能。脚本如下：

	A	B
5	=oPos=A1.psort(empID)	/排序后记录在原数据中的位置
6	=index=A1(oPos)	/利用位置制造排序数据
7	=oPos(index.pselect@b(empID: 10))	/二分查找，获得序号
8	=A1.calc(A7,if(#>1,amount[-1]-amount,0))	/在原始数据中做相对位置计算

A5：函数psort只获得排序后记录在原数据中的位置，并不会对原数据真正排序。

A6：利用oPos制造一份排序后的数据。注意，此时原数据不受影响，而且oPos可以作为排序后数据index和原始数据之间互转的桥梁。

A7：对排序后的数据做二分查找，并转回原始数据中对应的记录序号。

为了验证利用位置之前、之后两种算法的性能差别，可以随机取出销售员编号做参数，用循环模拟大量访问，并分别执行两种算法。如下：

	A	B
10	=100000.(A1(rand(A1.len())+1).empID)	/制造1万个empID
11	=now()
12	for A10	=A1.pselect(empID:A12)
13		=A1.calc(B12,if(#>1,amount[-1]-amount,0))
14	=interval@ms(A11,now())	/不利用位置，耗时：13552毫秒
15
16	=now()
17	for A10	=oPos(index.pselect@b(empID: A17))
18		=A1.calc(B17,if(#>1,amount[-1]-amount,0))
19	=interval@ms(A16,now())	/利用位置，耗时：165毫秒

可以看到，利用位置后性能提高几十倍。例子中数据量较少，随着数据量的增加，性能差距会急剧拉大，这是因为遍历查找的时间复杂度为线性，而二分查找为对数。

快速对齐

函数align可将数据按序列对齐，比如输入条件：=pOrderList= [10250,10247,10248,10249,10251]，将订单明细按该列表对齐，求每个订单的金额小计。代码如下：

	A
1	=connect("demo").query@x("select   orderID,productID,price,quantity from orderDetail")
2	=A1.align@a(pOrderList,orderID).new(orderID,~.sum(price * quantity):小计)

但上述写法没有利用位置，性能因此不高。要想提高性能，可以将序列排序（手工建立索引表），再用二分法对齐，最后恢复为原顺序，代码如下：

	A
1	=connect("demo").query@x("select   orderID,productID,price,quantity from orderDetail")
2	=oPos= pOrderList.psort()
3	=index= pOrderList (oPos)
4	=A1.align@ab(index,orderID).new(orderID,~.sum(price   * quantity):total)
5	=A4.inv(oPos)

A2-A3：手工建立索引表。

A4：将订单明细表与订单列表对齐，求出金额小计。由于索引表有序，因此可用二分法对齐，即@b选项。

A5：将A4按原位置调整，与pOrderList的顺序保持一致。函数inv可按指定位置调整成员，这里按原位置调整成员，相当于恢复成原位置。

对利用位置前后的两种算法，模拟大访问量测试，可以看到性能提升显著：

	A	B
8	=now()
9	for A9	=A1.align@a(A12,orderID).new(orderID,~.sum(price*quantity):total)
10	=interval@ms(A11,now())	/不利用位置，耗时43456毫秒
11
12	=now()
13	for A9	=oPos=A16.psort()
14		=index=A16(oPos)
15		=A1.align@ab(index,orderID).new(orderID,~.sum(price*quantity):total)
16		=B18.inv(oPos)
17	=interval@ms(A15,now())	/利用位置，耗时7313毫秒
18	=now()
19	for A9	=A1.align@a(A12,orderID).new(orderID,~.sum(price*quantity):total)
20	=interval@ms(A11,now())	/不利用位置，耗时43456毫秒

有序数据批量查询

有时要对有序数据进行批量查询，比如pOrderList=[10877,10588,10611,11037,10685]，请统计符合该列表的订单的运货费合计，代码可以这样写：

	A	B
1	=connect("demo").query@x("select   orderID,customerID,orderDate,shippingCharge from order order  by orderID")
2	=pOrderList=[10877,10588,10611,11037,10685]	/列表参数
3	=A1.select(pOrderList.pos(OrderID)).sum(shippingCharge)	/不利用位置，单次代码

解释：函数pos和select配合，可实现批量查询。其中函数pos可返回某个值在序列中的位置，如该值不在序列中，则返回null。函数select用于查询，当条件非null且非false时，可返回当前记录。

但上述代码没有利用位置，所以性能不高。

应当注意到，订单记录是有序的，所以可以用二分法取得符合条件的订单位置，再用位置取记录并计算。具体代码如下：

	A	B
5	=A1.(orderID).pos@b(pOrderList)
6	=A1(A5).sum(shippingCharge)	/利用位置，单次代码

A1.(orderID)可取得orderID列，pos@b可针对有序数据，用二分法快速取得成员位置。A6按位置取数据。

对利用位置前后的两种算法，模拟大访问量测试，可以看到性能提升显著：

	A	B
8	=A1.(OrderID)	/性能测试准备
9	=100000.(A1.(OrderID).sort(rand()).to(rand(100)))	/随机生成100000个列表
10
11	=now()
12	for A9	=A1.select(A12.pos(OrderID)).sum(shippingCharge)
13	=interval@ms(A11,now())	/不利用位置，85166毫秒
14
15	=now()
16	for A9	=A1.(OrderID).pos@b(A16)
17		=A1(B16).sum(shippingCharge)
18	=interval@ms(A15,now())	/利用位置，3484毫秒