企业应用中的计算（上）

企业应用系统，尤其是金融保险行业的应用系统，常常会涉及大量繁杂的计算。例如，在保险行业，客户购买了一份投连保险产品，系统要为客户展示未来数十年的利益。这些利益按月计算，按年累计，各项金额前后关联，计算形态多种多样。这类保险产品的利益展示可能涉及万千次的计算。如果这些计算没有经过良好的设计，系统的性能常常会变得低效。

计算是软件行业中的一个重要领域。对于企业应用系统来说，计算不仅包含了算法，还包含了一套应用算法的框架。仍以保险行业为例，保险产品形形色色，计算规则、计算公式、计算过程千差万别。计算框架要有能力对这些看似繁杂无序的内容做出归纳和抽象，以最小的代价容纳它们，并使之享受到算法的好处。

值得强调的是，计算框架和算法是计算领域中两个不同的子领域。这两个子领域的目标和内容都是不同的。计算框架试图容纳变化，并使之用到算法的好处；算法则是基于一套数据结构，在空间和速度的权衡下进行高效计算。清晰的领域划分可以使我们更加专注在领域内的工作，而模糊的领域认识，常常会使我们迷失方向，做出错误的选择。在实践中，我们常常看到计算框架和算法之间没有明显的边界，算法中嵌入计算框架的元素，这使得算法无法进行充分优化。

最近，我正在设计一个计算服务。面对数百页各类产品的业务计算说明，从中找到计算特征，提炼高效的算法，并设计一个框架来容纳各种变化，这真的是一次有趣的挑战。由于具体的业务内容不适合公开展示，因此，本文将只是着眼于计算设计的方法和高度抽象的算法模型。

了解业务领域，熟悉业务需求，当然是软件开发的前提。接下来，我们需要从繁杂的业务描述中找到计算特征。我不知道这一步是否有可供操作的方法，事实上，我发现这似乎是经验积累后的一种转化。当你阅读需求的时候，很多工作已经在头脑中自然地展开，识别、判断、证实、归类、忽略、抽象，一些想法渐渐从模糊到清晰。好吧，我得到了未经处理的计算特征。见图1。

图1

从图1可知，一组计算子（通过计算获得，计算形态不限）将作为输入块（A）。这些计算子之间存在依赖关系，即某些计算子通过其他的计算子参与才能完成计算。这种依赖关系可能是多级的，例如，计算子1依赖于计算子2，计算子2依赖于计算子3。

这一组计算子被送入下方紧邻的一个计算块（B），这个计算块（B）内部的计算子之间不仅存在输入块（A）中的计算子规则，还可能会依赖输入块（A）中的计算子。

当前的计算块（B）会被送入其下方紧邻的另一个计算块（B'），计算块（B'）不仅像计算块（B）一样，依赖于输入块（A），还依赖于计算块（B）。

计算块（B）还会被送入其右方紧邻的计算块（C），计算块（C）和计算块（B’）类似，依赖于输入块（A）和计算块（B）。

计算块（C）会被送入其下方紧邻的计算块（C’），计算块（C’）依赖于输入块（A），计算块（C），计算块（B’）。

上述这种规则将沿着Y轴向右方延伸，沿着X轴向下方延伸。

最终，数据将到达输出块（O）。输出块（O）与输入块（A）及紧邻其上方的一排计算块有依赖关系。

上述计算特征表明，这类计算的难点在于计算子之间的依赖关系。这些繁杂的依赖关系如果没有经过清晰的梳理，会使你不得不保存大量的历史数据，并不得不进行串行化的低效计算。失控的大空间，以及闲置的CPU计算能力，对于算法来说都是致命的缺陷。

在总结出计算特征后，我们将开始算法设计。算法设计通常以硬件资源为基础（一台40核的服务器可供使用）。我们采用了并行计算，并确立了一个基本原则，即以最大限度并行计算为优先，换句话说，不是以业务逻辑为优先。这个基本原则要求我们必须在更高层次上进行抽象，确保只有在无法避免时才进入串行计算。显然，由于计算特征中的依赖关系，我们很难完全避免这一点。不过，从另一个角度来看，这种缺陷未尝不是一件好事，完全占用CPU会导致其他的严重问题，我们必须留出CPU的计算能力给其他的并发请求。现在，我们的并行计算模型像是一个锯齿形，见图2，对比了串行计算和锯齿形并行计算。

图2

算法设计和业务领域的设计有些类似，两者都需要对数据（结构）进行建模，并基于数据模型进行逻辑处理。不同之处在于，算法显然更偏向于求值计算，而且更加关注指令的简洁和内存空间的使用。任何设计都不是一蹴而就，你需要在头脑中设想计算的过程，并不断迭代，最终提炼出恰当的概念来容纳你对于计算的描述。事实上，我同样不知道该如何针对这个过程给出可操作的具体方法。总之，我构思了这些概念，见图3。

图3

我们将有一个计算的上下文（Calculation Context），这个上下文包含了输入（Input），输出（Output），以及一组计算布局（Calculation Layout）。每一个计算布局都可以迭代执行，执行的结果会进入计算布局栈区（Calculation Layout Stack Area），栈区的数据来自于并行计算区（Calculation Parallel Area），由于并行计算，栈区的数据是无序的，需要经过后续处理，进入计算布局输出（Calculation Layout Output）。一个计算布局包含了多个有序的并行计算区。每一个计算区又包含了多个计算分组（Calculation Item Group），这些计算分组是有序的，而每个计算分组又包含了多个计算子（Calculation Item），这些计算子是无序的。理论上，无序的分组都是可以进行并行计算的。

当有了这套数据模型后，我们的算法实现就变得相对简单了。当然，在算法实现过程中，仍然有很多算法领域内的问题需要给出答案。例如，如何保证尽可能少地占用内存空间？如何采用最合适的基本数据结构？如何使指令变得最大限度的精简？