将 if 向上推，将 for 向下推：习语、其代数及其局限性

Push Ifs Up 和 Fors Down：习语、代数及其限制简介 TigerBeetle 的 Tiger Style 文档中的建议之一 .. 集中控制流。拆分大型函数时，尝试将所有 switch/if 语句保留在“父”函数中，并将非分支逻辑片段移至辅助函数。划分责任。所有控制流应该由一个函数处理，其余的根本不应该关心控制流。换句话说，“ifs 向上推，fors 向下推”。编程启发式 Push-ifs-up-fors-down 建议条件逻辑（if 语句）应向上移动（朝向调用者或管道中的较早位置），而迭代循环（用于操作）应向下移动（朝向批处理或稍后在紧密的无分支循环中）。这通过集中分支和利用批量操作来提高清晰度和性能。 matklad 也在博客中介绍了这一原则，并讨论了遵循这种编程习惯的许多优点。在帖子中，matklad 描述了通过以下方式优化代码：将条件语句（“ifs”）向上推：如果函数在其输入上分支，请考虑将该分支移至调用者。考虑帖子中的示例 - 而不是 frobnicate(walrus: Option) 在内部解包选项，调用者处理 None 情况，并且函数采用普通的 Walrus 。函数的类型现在说明了它的前提条件，输入状态空间变得更窄并充当过滤的形式。但关键在于决策在哪里，而不是有多少数据流向下游。向下推循环（“fors”）：将循环推迟到过滤或减少数据集之后，可以最大限度地减少不必要的计算。不要在循环中调用 frobnicate(walrus)，而是提供 frobnicate_batch(walruses) 并让循环位于其中。因此，热循环在没有分支的情况下运行，并且是矢量化的候选者。两个动作组成。给定 Option 值的集合，调用者会丢弃 None 并将其余部分展开为 Vec ，然后将其交给 frobnicate_batch ，它根本不需要考虑 None 情况。让 Maybe_walruses : Vec < Option < Walrus >> = ... ;让 walruses : Vec < Walrus > = Maybe_walruses 。 into_iter() 。过滤器映射（|w|w）。收集（）; frobnicate_batch (&海象);如果您稍加思考，就会发现“上推-下推”原则有着更广泛的应用。这篇文章探讨了这一原则在关系数据库查询优化、函数式编程和范畴论方面的一些更广泛的观点。数据库查询中的类比：早期预测，晚期连接同样的原理也出现在数据库查询优化中。在 SQL 查询规划中，众所周知，应该尽早执行预测和选择，并将连接或扩展操作推迟到稍后。但词汇却颠倒了。查询计划是一棵树，其叶子是表扫描，其根生成结果。数据从叶子向上流动，因此“沿着树向下”意味着“较早执行”。当优化器谈论将谓词下推时，这意味着尽早对其进行评估，这与本文其余部分所说的“向上”或“早期”相对应。早期投影和选择（下推）：用数据库术语来说，投影（例如，具有特定列的 SELECT）通过在查询执行早期仅选择必要的列来减少数据集的宽度。选择（WHERE 子句）充当过滤器。两者都作为计划树的一部分被下推，以便它们能够尽早执行并过滤掉不相关的数据，从而减少传递给后续操作的数据量。延迟连接（上推连接）：连接将多个表中的数据组合在一起，计算成本很高。优化器将选择和投影移至连接下方，因此连接在较小的输入上运行。结果是昂贵的组合运算符在查询语义允许的最小输入上运行。向量化执行（“for”）：下推 fors 的另一个数据库类比是执行语义的变化。火山风格的执行一次处理一行，其中每个运算符通过虚拟的 next() 对每个元组调用一次。另一种方法是矢量化或批量执行，其中每个运算符在每批大约一千个元组中调用一次，并在内部运行紧密循环。这就是 frobnicate 与 frobnicate_batch 在查询引擎级别的对比：每次调用的开销和每次调用的决策每批支付一次，并且内部循环是轻分支且缓存友好的。函数式编程和范畴论中的类比让我们通过函数式编程和范畴论的视角来看看相同的原理。 Pushing-Ifs-Up 作为对子对象的限制在范畴论中，当我们谈论集合的范畴（或者，宽松地，编程中的类型）时，我们可以有一个谓词 p : A -> Bool 。元素可以满足谓词，也可以不满足。现在考虑子

订阅66必读