数据驱动与数据抽象

1、数据驱动

　　考虑这样一个场景：

　　我们同时需要从buffer1、buffer2、buffer3中分别取出数据，并应用任意的逻辑计算得到一个Result，我们要怎么做？

　　

　　①不经过大脑的话，应该是这样

　　　　{

　　　　　　if(is buffer1) 

　　　　　　　　access(buffer1)

　　　　　　if(is_buffer2)

　　　　　　　　access(buffer2)

　　　　　　...

　　　　}

　　这样的逻辑的确可以解决当前问题，然而某一天早上突然被告知需要buffer4、buffer5这样的东西，就只能继续和if else较劲。

　　②再来看下面一种解法
　　　container{buffer1,buffer2,buffer3,...,buffern};

　　　foreach(buffer in container){

　　　　access(buffer)

　　　　...

　　　}

　　对比之下应该看出来第1种解法的缺陷，它的根本问题就在于试图用逻辑去表达数据（把数据变成了逻辑负担），第二中解法则比较灵活，也叫数据驱动编程。

　　

2、元数据（MetaData）

　　再考虑：假如每个buffer拥有数据类型是不同的会怎样？

　　...

　　if(buffer1)

　　　　visitbuffer1(buffer1)

     if(buffer2)

　　　　visitbuffer2(buffer)

　　...

　　

　　if else 用起来太方便了 - -!(这种做法不用说也知道很恶心了)。

 

　　考虑我们需要的是什么，其实只是从某个buffer中（怎么）拿到（怎样）的数据。

　　我们可以设计一种统一的数据类型来达到上面的目的：

　　MetaData

　　{

　　　　int : slot　　　　//该数据所在的buffer位于container位置

　　　　int : stripe　　　//访问幅度

　　　　int : format　　 //数据格式

　　　　int : index　　　//数据索引

　　}

 

　　然后我们可以做一个子例程来存取Metadata

　　output VisitMetaData(MetaData data)

　　{

　　　　　buffer = container[data.slot];

　　　　　data = buffer[data.strip*data.index];

　　　　　switch(format)

　　　　　{

　　　　　　...

　　　　　}

　　　　　return output(data);

　　}

　　这样就可以不用关心有多少数据类型，甚至不用知道buffer和container的存在，本质是在做抽象，抽象的好处就不言而喻了，我更喜欢把它叫做“数据抽象”哈哈。

 

　　关于数据组织方面可以参考《信息组织》这本书。