一次awk脚本的重构

# 脚本功能说明: 

# 1. 检查URL中的域名是否是指定版本的域名

# 2. 对访问bid，authorid的游客身份排重，并累加其pv

# 全局变量说明

# DOMIAN_LIST 是数组,key是要统计的域名value是域名所属的业务



# 函数参数说明:

# domain 从URL里提取出来的域名

# ver    域名属于哪个业务(wap or touch)

# statid 从URL里提取的出来的bookid或者authorid

# array  用于排重的并累加PV的数组

function compute(domain, ver, statid, userid, array __ARGVEND__)

{

    # 提取失败或该域名不在本次处理的业务范围内

    if(domain == "" || DOMAIN_LIST[domain] != ver)

    {

        next # 跳过当前记录的处理，处理下一条记录

    }



    # 提取statid失败

    if(statid == 0)

    {

        next

    }



    array[statid " " userid]++

    next

}



{# 记录处理器



    url     = $6

    userid  = $4

    session = $9



    # URL里包含该标志则该URL记录的是用户对wap版书籍的访问记录

    if(match(url,/ct=bk&ac=cver&total=wap_book/) > 1)

    {

        domain = getMatchDomin(url, DOMAIN_LIST) # 从URL里提取域名，提取失败则为""

        userid = choice(userid, session)         # 从日志里选择用户身份,userid < 0 则取session

        bid    = getBid(url)                     # 从URL里提取书籍ID



        compute(domain, "wap", bid, userid, WAP_BOOKS)

    }



    # URL里包含该标志则该URL记录的是用户对wap版作者的访问记录

    if(match(url,/ct=bk&ac=zz&total=wap_author/) > 1)

    {

        domain = getMatchDomin(url, DOMAIN_LIST) # 从URL里提取域名，提取失败则为""

        userid = choice(userid, session)         # 从日志里选择用户身份,userid < 0 则取session

        authorid    = getAuthorid(url)                     # 从URL里提取书籍ID



        compute(domain, "wap", authorid, userid, WAP_AUTHORS)

    }



        # other code ...

}

看起来还不错，但是函数的参数真心的多，一般的编码规范说多于5个和5个以上函数就不容易被使用了（这么说起来win32 api其实也蛮逆天的...）但是这里似乎还好吧,忍了吧，错！这里除了参数多，还有一个问题,就是一旦提取域名失败或者域名不是我们这次要处理的域名，则userid,bid等数据不需要提取，严重的浪费了CPU时间（要知道这些动作得多执行一亿多次）仔细想想，这个函数其实完成了2个事情：检查域名是否有效，累加pv,分成2个函数是不是更好呢？

#检查URL中的域名是否是指定版本的域名

function checkVer(domain, ver, __ARGVEND__)

{

        if(domain == "" || DOMAIN_LIST[domain] != ver)

        {

                next

        }

}



#对访问bid，authorid的作者排重，并累加pv

function compute(statid, userid, array, __ARGVEND__)

{

        if(statid == 0)

        {

                next

        }



        array[statid " " userid]++

        next

}





{# 记录处理器



    url     = $6

    userid  = $4

    session = $9



        # URL里包含该标志则该URL记录的是用户对wap版书籍的访问记录

        if(match(url,/ct=bk&ac=cver&total=wap_book/) > 1)

        {

                checkVer(getMatchDomin(url, DOMAIN_LIST), "wap") # 检查域名



                userid = choice(userid, session)

                bid    = getBid(url)

                compute(bid, userid, WAP_BOOKS)

        }



        # URL里包含该标志则该URL记录的是用户对wap版作者的访问记录

        if(match(url,/ct=bk&ac=zz&total=wap_author/) > 1)

        {

                checkVer(getMatchDomin(url, DOMAIN_LIST), "wap")



                userid   = choice(userid, session)

                authorid = getAuthorid(url)

                compute(authorid, userid, WAP_AUTHORS)

        }

}

试验了一下，不仅函数参数个数减少了，而且逻辑更通顺，性能也更好，代价就是函数个数增加了，不过看起来这个代价仍然是合算的

 

更正：

我查了代码大全，代码大全说7个参数才是人类记忆的极限，好吧，不过我认为之前的重构是没有问题的~~~因为好处很明显