『開源』插件擴展，超級高速，完全無敵 - 字符串計算 算法開源

目錄：

• 算法開發原因
• 算法版本經歷
• 算法亮點
• 算法思想
• 算法用法
• 算法Demo展示
• 計算對象
• 內存排序
• 內存篩選
• 算法插件擴展
• 算法源代碼

 

算法開發原因：

自己一直在 配置化編程 方面努力，希望 項目復雜的功能可以用 簡單的 配置來完成；

於是 在自己的網站中，使用了一個自己寫的 數據庫框架，為了給框架提速，於是就 想將 少於 5000 的數據表 進行全表緩存；

然后所有的 數據 就由框架 從緩存中 按照條件 檢索——相當於 內存檢索；

 

這時，問題就來了 —— 整個項目，Sql 腳本的 Where 條件，千變萬化；

如何判斷 某個對象 是否 符合 一個字符串的表達式，這就讓我 頭疼了；

 

於是經過搜索，得到： http://bbs.csdn.net/topics/230073145；

最終的解法 是  DataTable.Compute() 函數；還有一個 是 使用微軟動態編譯技術 的解決方案（這個才是真正無敵的方法）。

 

但是確有弊端：微軟 動態編譯技術 計算字符串表達式，即時計算 “1+1”，也需要 300ms，5000個數據的檢索，這個是我所無法容忍的。

於是就想 寫一個 字符串計算 的算法；

 

 

算法版本經歷：

算法從去年5月完成，歷時 2周業余時間，完成第一版；

今年7月開始，參與了幾個 工作流項目的開發，覺着鬧心：工作流 應該和 功能分開，結果我看到，代碼中，業務代碼和工作流代碼 縱橫交錯；特別鬧心； 

於是就想 抽象一個流程設計器：讓開發人員一心一意寫業務代碼，工作流的代碼 全部使用配置，即時修改了流程，開發人員也不用 修改任何代碼；

而 流程設計器 的的手稿過程中，發現 不可避免 的有一個環節：條件判斷——這個非得使用 字符串計算算法；

於是 改版 第一版算法代碼，得到今天的第二版 Laura.Compute；

 

 

算法亮點：

新版本 算法，字符串表達式 兼容 SQL腳本（和SQL腳本類似的 字符串格式）；

新版本 算法，支持 動態參數（就像 SQL中  WHERE FName=@FName 一樣）；

新版本 支持 預分析，分析一次 多次執行（可用不同參數）；

運算速度 達到  （分析+計算）*20000次 = 2000ms；  分析*1次+計算*20000次 = 150ms；

順手實現了 字符串表達式 的內存檢索（Word LIKE '%cat%'），50000單詞，內存檢索時間 800ms；

順手實現了 字符串表達式 的 內存排序（Word DESC, ID ASC），50000單詞，內存排序時間 2400ms；

 

 

算法思想：

 

 

算法用法：

 

使用代碼：

 

//分析一個 表達式，得到 表達式結構 對象
ExpressSchema expressSchema3 = ExpressSchema.Create("\"ShuXiaolong\" IN (\"ShuXiaolong\",\"ZhangSan\")"); //給定參數，計算這個 表達式結構 對象 在指定參數下 的運行結果
object value = expressSchema3.Compute(null); Console.WriteLine(value);

 

計算結果：

 

 

 

其他用法：

以上只是 一個簡單的 表達式：判斷 某個 字符串 是否在 一個 數組中。

以下即為 其他 功能（這些功能 全都是 算法的 插件，任何開發人員都可以 在 任意程序集 中 擴展本算法）：

 插件名稱： 關鍵字： 運算優先級： DateAddComputeMethod DATEADD 　　 1000000 DateConvertComputeMethod CONVERTDATE 1000000 DateDiffComputeMethod DATEDIFF 　　　　1000000 DateFormatComputeMethod DATEFORMAT 　　　1000000 DateNowComputeMethod GETDATE 1000000 DatePartComputeMethod DATEPART 1000000 GuidNewComputeMethod NEWID 1000000 StringLengthComputeMethod LEN 1000000 StringReplaceComputeMethod REPLACE 1000000 PowComputeSymbol ^                      100000 MultiplyComputeSymbol *                      10000 RemainComputeSymbol %                      10000 DivideComputeSymbol /                      10000 PlusComputeSymbol +                      1000 MinusComputeSymbol -                      1000 LikeEqualComputeSymbol LIKE 700 LessThanEqualComputeSymbol <=                     685 GreaterThanEqualComputeSymbol >=                     680 LessThanComputeSymbol <                      675 GreaterThanComputeSymbol >                      670 StrictEqualComputeSymbol ===                    610 EqualComputeSymbol ==                     605 BaseEqualComputeSymbol =                      600 AndComputeSymbol AND 525 AndSignComputeSymbol &&                     525 OrComputeSymbol OR 520 OrSignComputeSymbol ||                     520 TernaryComputeSymbol ?:                     100 InComputeMethod IN 未定(默認為 0)

 

支持 函數表達式，運算符表達式 ，這兩種類型的表達式 用的是 同一個 抽象思想；

 

 

算法Demo展示：

計算對象：

            Student stu01 = new Student { Name = "舒小龍", Number = "ShuXiaolong"};
            Student stu02 = new Student { Name = "張三", Number = "zhangsan" };
            Student stu03 = new Student { Name = "舒珊", Number = "ShuShan" };

            ExpressSchema expressSchema = ExpressSchema.Create("[Number] LIKE '%Shu%'");
            bool result1_1 = (bool) expressSchema.Compute(stu01);
            bool result1_2 = (bool)expressSchema.Compute(stu02);
            bool result1_3 = (bool)expressSchema.Compute(stu03);
            Console.WriteLine(result1_1 + "|" + result1_2 + "|" + result1_3);

            ExpressSchema expressSchema2 = ExpressSchema.Create("[Name] + [Number]");
            string result2_1 = (string)expressSchema2.Compute(stu01);
            string result2_2 = (string)expressSchema2.Compute(stu02);
            string result2_3 = (string)expressSchema2.Compute(stu03);
            Console.WriteLine(result2_1 + "|" + result2_2 + "|" + result2_3);

 

 

 

內存排序：

            DataSet dataSet = GetTableRecord();  //從數據庫 讀取 50000 個單詞
            DataTable dataWord = dataSet.Tables[0];

            DateTime dt7 = DateTime.Now;
            IList listResult3 = ComputeHelper.Sort("[Word],[Comment]", dataWord.Rows);  //用封裝好的 排序函數 排序
            DateTime dt8 = DateTime.Now;
            Console.WriteLine("ComputeHelper.Sort()排序時間:" + (dt8 - dt7).TotalMilliseconds);

            Console.WriteLine(listResult3);

 

 

 

內存篩選：

            DataSet dataSet = GetTableRecord();  //從數據庫 讀取 50000 個單詞
            DataTable dataWord = dataSet.Tables[0];

            DateTime dt7 = DateTime.Now;
            IList listResult3 = ComputeHelper.Filter("[Word] LIKE '%cat%'", dataWord.Rows);  //用封裝好的 篩選函數 篩選
            DateTime dt8 = DateTime.Now;
            Console.WriteLine("ComputeHelper.Filter()篩選時間:" + (dt8 - dt7).TotalMilliseconds);

            Console.WriteLine(listResult3 + " 數目：" + listResult3.Count);

 

 

算法插件擴展： 

比方說 擴展一個 三元運算符 的插件：

在 任何程序集， 任何命名空間， 任何類名稱 下，引用 Laura.Compute.dll  

 

using System;

namespace 任意命名空間
{
    [Serializable]
    [ComputeExpress(Express = "{A} ? {A} : {A}", Keywords = new[] { "?", ":" }, Level = 100, ComputeType = typeof(TernaryComputeSymbol))]
    public class TernaryComputeSymbol : ComputeBase
    {
        public override object Compute(ExpressSchema expressSchema, object objOrHash)
        {
            bool arg1 = ArgumentsBoolean(0, expressSchema, objOrHash);  //獲取第一個 bool參數
            //if (Arguments[1].Type != Arguments[2].Type)
            //    throw new Exception("TernaryComputeSymbol Type Is Not Same!");

            //完全省略 多余計算
            string value = arg1 
                ? ArgumentsString(1, expressSchema, objOrHash)  //計算 第一個部分 的表達式
                : ArgumentsString(2, expressSchema, objOrHash); //計算 第二個部分 的表達式


            return value;
        }
    }
}

 

 

擴展一個插件 就這么簡單！

 

算法源代碼：

源碼在線閱讀

Ps. 最好是能將源碼 發不到某個 網絡版本控制器上，但是不知道 如何操作，也不知道哪個  哪個平台 有 SVN的版本控制器；

如果哪位有好的 網絡版本控制器，希望推薦一哈——還是放到 版本控制器中 開源 比較好；