作者 | 朱徽
最近做到一个需求,需要做一个类似于京东或者淘宝等电商的商品详情页,其中有一个功能就是商品SKU的选择查询问题
如上图,网络类型、机身颜色、套餐类型、存储容量这些每一个都是一个 SKU
属性,当选择好了所有的 SKU
属性后,会组合成一个完整的 SKU
,对应一个具体的商品,然后就可以给出这条 SKU
对应的商品的库存和价格等信息
并且,当点选了某些 SKU
属性后,会自动根据当前已经点选的 SKU
属性,来计算出当前条件下库存为 0
的 SKU
组合,给予按钮置灰不可选的交互
一开始接到这个需求的时候,评审需求的后端和同组合作的前端小伙伴都认为这是一个难点,需要好好调研考量一下,而我则是邪魅一笑,觉得这东西不就是一个组合嘛,算法能写就写,不能写大不了来个暴力循环查找,小场面啦
然而,当我开始着手做的时候才发现跟平常确实不一样,这些代码好像不能闭着眼睛写
实现思路
当我发现这个功能确实有点小难度的时候,我就开始在网上搜相关文章了,这才发现相关文章好像都写的比较煞有其事,跟什么《你绝对不知道的数组的十种用法》什么《原型链全场最佳分析》什么《我的函数式编程不可能那么可爱》什么《三年前端大厂面试经历》都不太一样,看起来居然需要带着脑子,而且相关文章较少,除去那些抄来抄去的以及我没搜到的之外,几篇真正有实用价值的:
-
电商平台商品 SKU 组合查询算法实现
-
sku 多维属性状态判断算法
-
淘宝SKU组合查询算法实现
我看完之后,顿时陷入了沉思
既然塑料恐龙是塑料做的,而塑料来源于石油,石油又是远古恐龙尸体转化成的。那么是不是说,塑料恐龙就是真的恐龙?
这些文章描述得感觉不是很清楚,主要是没有完整可运行代码,无法自行验证,满篇文字看的云里雾里的,照着他们说的来做,还不如我自己重新写个,不过还是有些借鉴意义的
-
首先,给定几组
SKU
的属性,那么根据这些属性组合出来的sku
肯定是可以被全部列举出来的,而且考虑到现实业务使用中,属性并不会太多,无需关心极端情况,所以哪怕全部穷举,对性能也没多大损耗; -
然后,既然穷举出了所有的可能集合,那么就能计算出每一个组合对应的价格和存库等信息,这样一来自然就可以形成一个字典了,无论选择了哪些组合,都能从这个字典上快速查询到对应的价格和库存等信息,即以空间换时间,只要在开始时初始化好了这个包含所有可能的数据字典,后续
sku
属性的切换无非是字典key
的变化
当然了,思路是这个思路,但是真正写代码的时候,需要考虑的点比较多,而且都要考虑到,无论少了哪一点,数据就会都不对了
数据准备
假设对于 手机
这个品类来说,它的 sku
属性有成色、颜色、配置、版本,其中成色分为 全新、仅拆封,颜色分为深空灰、银色、金色,配置分为 64G
、 256G
,版本分为国行、港澳版、日韩、其他版本
每个 sku
属性肯定都有自己独一无二的标识 ID
,例如,对于颜色来说,它肯定有自己的 ID
,称为 paramId
,颜色下存在至少一个小属性,例如深空灰、银色、金色,每种颜色也都有自己的 ID
,称为 valueId
,结构如下:
interface ISkuParamItem {
paramId: string
paramValue: string
valueList: Array<{
valueId: string
valueValue: string
}>
}
请求 sku
数据的时候,后端会将当前商品 ID
(称为 spuId
)对应的所有 sku
属性返回,称为
sku
属性数据集合
数据格式暂定如下:
[{
"paramId": "6977",
"paramValue": "成色",
"valueList": [{
"valueId": "1081969",
"valueValue": "全新"
}, {
"valueId": "1080699",
"valueValue": "仅拆封"
}]
}, {
"paramId": "6975",
"paramValue": "颜色",
"valueList": [{
"valueId": "730003",
"valueValue": "深空灰色"
}, {
"valueId": "730004",
"valueValue": "银色"
}, {
"valueId": "730005",
"valueValue": "金色"
}]
}, {
"paramId": "7335",
"paramValue": "配置",
"valueList": [{
"valueId": "710004",
"valueValue": "64G"
}, {
"valueId": "710006",
"valueValue": "256G"
}]
}, {
"paramId": "72",
"paramValue": "版本",
"valueList": [{
"valueId": "1080627",
"valueValue": "国行"
}, {
"valueId": "1080628",
"valueValue": "港澳版"
}, {
"valueId": "1080697",
"valueValue": "日韩"
}, {
"valueId": "1080629",
"valueValue": "其他版本"
}]
}]
当前商品 ID
(称为 spuId
)对应的所有 sku
数据返回,称为
商品全 sku
数据集合
数据格式暂定如下:
[
{
count: 98,
paramIdJoin: "72_1080697__6975_730004__6977_1081969__7335_710006",
priceRange: [7000, 8978],
spuDId: "98002993445"
}
]
其中, paramIdJoin
是 sku
属性组合连接而成,可分为 72_1080697、6975_730004、 6977_1081969、 7335_710006
这个四个单元,每个单元又由 paramId
和 valueId
连接而成,所以 72_1080697__6975_730004__6977_1081969__7335_710006
的意思就是 版本为日韩、颜色为银色、成色为全新、配置为256G
的 sku
组合,对应的总库存 count
为 98
,价格范围为 7000 ~ 8978
,即最低价是 7000
,最高价是 8978
(如果只有一个价格没有高、低价格之分,那数组中的项就是那一个价格就行了), spu
的标识 id
spuDId
为 98002993445
需要注意的是, paramIdJoin
的值,例如 72_1080697__6975_730004__6977_1081969__7335_710006
,必须是按照 paramId
进行升序(或者降序也可以,这里按照升序处理)进行连接的, 72 < 6975 < 6977 < 7335
,所以才有 72_1080697__6975_730004__6977_1081969__7335_710006
这个拼接方式
这对于后续算法的优化有着显著的作用,不按照顺序也可以,但在数据量比较大的情况下,计算时间会比较长,很可能出现页面卡顿的情况
后端可能返回的数据结构和上面不一样,不过关系不大,无论后端返回的数据结构是什么样的,返回的数据肯定需要包括上面那些,因为这些都是必要数据,缺一不可,至于数据结构如果不一样,你只需要先行处理一下,处理成和上面一样的数据结构就行了,这是肯定可以做到的 有了上述数据,就可以开始写核心的处理代码了
分析思路
其实这里的功能就两个,那就是当选中或取消任意 sku
属性的时候:
-
计算出此时
sku
属性组合对应的价格和库存 例如当前选中了颜色:银色、内存:64G
、运营商:移动,这一组sku
属性对应的商品的价格和库存 -
计算出在此时的
sku
属性组合之下,需要置灰哪些sku
组合 例如当前选中了颜色:银色、内存:64G
,这一组sku
属性的时候,剩下的哪些sku
属性与这两个已经选中的sku
组合后的组合库存为0
,则说明这些sku
属性应该要被置灰,也就是不让用户选中 例如,银色 +64G
的库存为0
,则当选中银色
的时候,就需要将64G
这个sku
属性置灰
对于第一点,比较简单,只需要拿到当前选中的 sku
属性组合,然后在所有的 sku
数据中去查找包含所选中的 sku
属性的数据即可,就是一个遍历筛选操作,有难度的是第二点
无论当前选中了哪些 sku
属性,都要从整个 sku
数据中找到包含任意选中的 sku
属性的数据,然后在这些数据中找出库存为 0
的数据,再从这些数据中找到应该被置灰的 sku
属性
例如,假设 银色-64G-国行
这个 sku
的库存为 0
,则当你选中 银色-64G
的时候,应该把 国行
置灰,当选中 银色-国行
,应该把 64G
置灰,当选中 国行-64G
,应该把 银色
置灰
这只是最简单的一种情况
复杂一点,假设 银色-64G
这个 sku
的库存为 0
,则当你选择 银色
的时候,,应该把 64G
置灰,当你选择 64G
的时候,,应该把 银色
置灰,当你选择 深空灰-64G
的时候,,应该把 银色
置灰……等等
如果 sku
属性项有很多种,例如颜色、内存、运营商、制式、成色、套餐类型、保险,那么这种可组合的项就更多了
随便想一下,就感觉头好大,似乎是好多需要计算的东西啊
不过,其实也是有据可循的
当选中 n
个 sku
属性的时候,应该被置灰的 sku
属性实际上就是 当选中这 n
个中任一个 sku
属性时应该被置灰的 sku
属性,加上当选中这 n
个中任两个 sku
属性时应该被置灰的 sku
属性,加上……加上当选中这 n
个中任 n
个 sku
属性时应该被置灰的 sku
属性 头好像变得更大了
例如上图
当选中了 全新、金色、64G、国行
这四个 sku
属性的时候,计算在此状态下需要置灰的 sku
属性:
首先,先看这四个 sku
属性中,当不选中任何 sku
属性时,有哪些 sku
的库存为 0
,发现所有的商品中,都没有 全新
这个属性,则说明 全新
的库存为 0
,将之记录下来;
然后,再看这四个 sku
属性中,每一个单独的 sku
选中的时候应该置灰的 sku
属性,例如当单独选中 全新
这个 sku
属性的时候,发现 全新-银灰色
这个组合的库存为 0
,则将 银灰色
置灰,将这个属性记录下来;当单独选中 国行
这个 sku
属性的时候,发现 国行-仅拆封
这个组合的库存为 0
,则将 仅拆封
置灰,将这个属性记录下来;当单独选中 金色
或 64G
的时候,其他任意一个 sku
属性与之组合皆有库存,则不记录任何 sku
属性;
然后,再看这四个 sku
属性中,当选中两个 sku
的时候应该置灰的 sku
属性,例如当同时选中 金色、64G
这两个 sku
属性的时候,发现 金色-64G-港行
这个组合的库存为 0
,则将 港行
置灰,将这个属性记录下来;当同时选中 全新-金色
或 全新-64G
或 全新-国行
或 金色-国行
或 64G-国行
的时候,发现其他任一 sku
与这些进行组合都有库存,则不记录任何 sku
属性;
然后,再看这四个 sku
属性中,当选中三个 sku
的时候应该置灰的 sku
属性,例如当同时选中 金色、64G
这两个 sku
属性的时候,发现 金色-64G-港行
这个组合的库存为 0
,则将 港行
置灰,将这个属性记录下来;当同时选中 全新-金色
或 全新-64G
或 全新-国行
或 金色-国行
或 64G-国行
的时候,发现其他任一 sku
与这些进行组合都有库存,则不记录任何 sku
属性;
应该被置灰的意思就是对于当前 sku
组合来说,如果再继续增加一个 sku
属性,这个新的 sku
组合对应的库存为 0
,则说明最后增加的那个 sku
属性应该被置灰
所以这里需要一个集合,这个集合包含当选择任意个数量 sku
属性的时候,应该被置灰的 sku
属性集合
想要得到这个集合,运算量会很大,而且绝大部分都是无用计算(计算出了一堆的结果,实际上用户只需要其中几个),所以简化一下,只需要得到一个集合,这个集合中包含了所有可能选择的 sku
组合,还可以更加有序一点,将集合换成 Map
,在 js
中也就是对象,这个对象存在一些属性,这些属性的 key
值是数字 1、2、3……n-1, n
,代表着选中 1 到 n
个任意 sku
属性,其值又是一个对象,这个小对象的 key
就是 1 到 n
个任意 sku
属性的可能组合,其值包含这些组合的价格范围和库存等信息
代码层面的数据结构如下(部分):
上述表示,对于选中了 1
(下标为 0
)个 sku
属性的情况,共有 11
种 sku
选法,每种选法都有对应的 价格范围和总库存信息,例如 72_1080627
表示,当选中了 版本为国行
这个 sku
属性时,其价格范围数组 priceArr
和总库存 totalCount
;对于选中了 2
(下标为 1
)个 sku
属性的情况,共有 44
种 sku
选法,每种选法都有对应的 价格范围和总库存信息,例如 72_1080627__6975_730003
表示,当选中了 版本为国行,颜色为深空灰色
这个 sku
属性时,其价格范围数组 priceArr
和总库存 totalCount
……等等
有了这个信息,后面就好办了
首先,你选中任意个 sku
属性,我都能从这个集合里找出对应的总库存和价格范围,无需在原数据中多次筛选,这实现了第一个功能点;对于第二个功能,当选中任意个 sku
属性时(设为 n
),我只需要在这个对象中选取 key
为从 0
到 n
的数据,并且找这些数据对应的 sku
的总库存为 0
的数据,这些数据中包含 sku
属性就都是需要置灰的,这就实现了第二个功能点
所以,最关键的就是这个 Map
对象了,只要计算出这个 Map
对象,其他的就好办了,当然,说起来简单,真正用代码实现还是有很多需要注意的地方的
数据计算
计算单 sku
属性所属下标集合
即从接口返回的包含了所有 sku
属性组合及其对应的数据的数据源中(也就是前面所说的
商品全 sku
数据集合
),计算出包含了每一个 sku
属性的数据项的下标的集合
比如,对于 颜色:黑色
这个 sku
属性,
商品全 sku
数据集合
数据中所有包含 颜色:黑色
这个 sku
属性的数据的下标的集合,就是其所属下标集合,以 sku
属性的 paramId
和 valueId
为 key
,以下标集合为值,则可以得到一个集合,数据结构如下:
{
"6977_1081969": [0, 4, 5, 6, 7, 11, 14, 15, 17, 19, 20, 23, 25, 31, 32, 34, 35, 36, 38, 39, 40, 42, 44, 47],
"6977_1080699": [1, 2, 3, 8, 9, 10, 12, 13, 16, 18, 21, 22, 24, 26, 27, 28, 29, 30, 33, 37, 41, 43, 45, 46],
"6975_730003": [4, 14, 17, 18, 22, 23, 28, 29, 32, 33, 37, 39, 43, 44, 45, 47],
"6975_730004": [0, 2, 5, 7, 8, 10, 12, 16, 19, 20, 24, 31, 34, 40, 41, 46],
"6975_730005": [1, 3, 6, 9, 11, 13, 15, 21, 25, 26, 27, 30, 35, 36, 38, 42],
"7335_710004": [1, 3, 4, 5, 8, 9, 10, 11, 19, 24, 28, 30, 31, 32, 33, 34, 35, 36, 37, 39, 42, 43, 44, 46],
"7335_710006": [0, 2, 6, 7, 12, 13, 14, 15, 16, 17, 18, 20, 21, 22, 23, 25, 26, 27, 29, 38, 40, 41, 45, 47],
"72_1080627": [7, 12, 13, 18, 19, 23, 30, 33, 38, 42, 44, 46],
"72_1080628": [3, 5, 6, 10, 16, 21, 36, 39, 40, 43, 45, 47],
"72_1080697": [0, 8, 9, 11, 14, 22, 25, 26, 31, 32, 37, 41],
"72_1080629": [1, 2, 4, 15, 17, 20, 24, 27, 28, 29, 34, 35]
}
例如,对于第一条数据 "6977_1081969": [0, 4, 5, 6, 7, 11, 14, 15, 17, 19, 20, 23, 25, 31, 32, 34, 35, 36, 38, 39, 40, 42, 44, 47],
来说,它表示
商品全 sku
数据集合
数据中所有包含 paramId
为 6977
, valueId
为 1081969
这个 sku
属性,即 成色:全新
的数据下标集合为 [0, 4, 5, 6, 7, 11, 14, 15, 17, 19, 20, 23, 25, 31, 32, 34, 35, 36, 38, 39, 40, 42, 44, 47]
此集合的计算过程没什么好说,就是遍历
商品全 sku
数据集合
数据创建数组而已,为了方便叙述,这里称此集合为 keyRankMap
计算 Map
对象
有了上述 keyRankMap
,计算我们想要的那个 Map
对象 (称为 indexKeyInfoMap
)也就有了前提条件,
indexKeyInfoMap
集合的组成前面已经说过了,类似于一个缓存数据,列举了所有任意个 sku
组合的信息,所以那就涉及到一个算法了:
现有 m
个数组,数组都不为空,从这些数组中共取 n
( n <= m
)个数,共有多少种取法?规定,每个数组最多只能取一次,每次最多取一个项
这个算法实际上就是另外一个更加常见的算法的增强版,即 从 m 个数中取 n 个数,共有多少种取法
,这里的 m
个数可以看成是一个数组,也就是从一个长度为 m
的数据中取 n
个数,但是现在不是从一个数组中了,而是从 m
个数组中取
这个算法实际上就是全排列,没什么难度,有很多种写法,只要能达到目的并且效率别太差就行
/**
* 给定 mArr长度个数组,从这些数组中取 n 个项,每个数组最多取一项,求所有的可能集合,其中,mArr的每个项的值代表这个数组的长度
* 例如 composeMArrN(([1, 2, 3], 2)),表示给定了 3 个数组,第一个数组长度为 1,第二个数组长度为 2,第二个数组长度为 3,从这三个数组任意取两个数
* example:composeMArrN(([1, 2, 3], 2)),返回:
* [[0,0,-1],[0,1,-1],[0,-1,0],[0,-1,1],[0,-1,2],[-1,0,0],[-1,0,1],[-1,0,2],[-1,1,0],[-1,1,1],[-1,1,2]]
* 返回的数组长度为 11,表示有 11 种取法,数组中每个子数组就是一个取值组合,子数组中的数据项就表示取值的规则
* 例如,对于上述结果的第一个子数组 [0, 0, -1] 来说,表示第一种取法是 取第一个数组下标为 0 和 第二个数组下标为 0 的数,下标为 2 的数组项值为 -1 表示第三个数组不取任何数
* @param mArr 数据源信息
* @param n 取数的个数
* @param arr 递归使用,外部调用不需要传此项
* @param hasSeletedArr 递归使用,外部调用不需要传此项
* @param rootArr 递归使用,外部调用不需要传此项
*/
function composeMArrN (mArr: Array<number>, n: number, arr = [], hasSeletedArr = [], rootArr = []): Array<Array<number>> {
if (!n || n < 1 || mArr.length < n) {
return arr
}
for (let i = 0; i < mArr.length; i++) {
// 当前层级已经存在选中项了
if (hasSeletedArr.includes(i)) continue
hasSeletedArr = hasSeletedArr.slice()
hasSeletedArr.push(i)
for (let j = 0; j < mArr[i]; j++) {
let arr1 = completeArr(arr, i - arr.length, -1)
arr1.push(j)
if (n === 1) {
arr1 = completeArr(arr1, mArr.length - arr1.length, -1)
rootArr.push(arr1)
} else {
composeMArrN(mArr, n - 1, arr1, hasSeletedArr, rootArr)
}
}
}
return rootArr
}
其中 completeArr
是一个补全数组的辅助方法,比如,对于 [1, 2]
这个数组来说,我想把它的长度再增加 3
个单位,用 -1
来填补多出来的位置,就是调用 completeArr([1, 2], 3, -1)
,返回 [1, 2, -1, -1, -1]
,这个逻辑跟算法本身没什么关系,主要是基于当前业务的考量,方便后续数据处理
以此类推,就能得到当任意取 n
个 sku
属性时,所组成的 sku
组合对应的价格和库存等信息的数据,也就是 indexKeyInfoMap
根据 indexKeyInfoMap 计算出任意状态下 sku 组合对应的信息和置灰信息
indexKeyInfoMap
只是一个缓存数据,需要实现的功能是,选中任意 sku
数据时,对应的价格和库存等信息,以及应该置灰的 sku
信息
例如,对于当选中了 全新-银色
这个组合的时候
-
计算对应的价格和库存等信息
全新-银色
是两个 sku
属性的组合,则直接在 indexKeyInfoMap
中找 key
为 1
的属性,从其数组值中找匹配 全新-银色
,也就是 子 key
为 6975_730004__6977_1081969
的数据项:
其中, priceArr
表示所有包含 全新-银色
这个 sku
组合的 sku
数据的价格范围集合, spuDIdArr
表示 spuDId
集合, totalCount
表示总库存
-
计算需要置灰的
sku
属性
这才是关键
第一,计算当任何属性都不选的时候,库存为 0
的属性;第二,计算当单独选中 全新
和 单独选中 银色
的时候,分别与这两个属性组合的时候库存为 0
的属性;第三,计算当同时选中 全新-银色
的时候,与 全新-银色
进行组合的时候库存为 0
的属性;
三种情况下应该被置灰的属性的并集就是 当选中 全新-银色
的时候,应该被置灰的属性
计算的基础就是 indexKeyInfoMap
, 比如对于
第二,计算当单独选中 全新
和 单独选中 银色
的时候,分别与这两个属性组合的时候库存为 0
的属性;
,其计算过程:
首先,任意一个 sku
属性 与 全新
或 银色
组成的组合,就是两个 sku
属性链接,长度为 2
,所以从 indexKeyInfoMap
中选取 key
为 1
的数据,也就是 indexKeyInfoMap[1]
,从此数据中分别找包含 全新
和 银色
,也就是 key
中包含 6977_1081969
或 6975_730004
,并且库存为 0
的数据项:
然后再对这被筛选出来的 7
条数据进行出来,得到需要被置灰的 sku
属性的集合,也就是这些数据的 key
字符串中,去掉当前已经选中的 sku
属性,即 6977_1081969
和 6975_730004
后,还剩下的值的集合
例如,对于 72_1080628__6975_730004
而言,其处理之后剩下 72_1080628
,即 paramId
为 72
, valueId
为 1080628
的 sku
属性所对应的按钮应该被置灰,其他类似
这样就能得到一个数组(需要对数组进行去重),此数组中的每一项,就是在同时选中 全新-银色
的时候,所需要置灰不可点的 sku
属性按钮
概括成通用解决方案,其实又是一个算法,上面说到过: 从 m 个数据中取 n(n <= m) 个数,所有的可能取法
,然后再对每种取法进行处理,计算从剩下的 sku
属性中取一个与每种取法的 sku
组合进行组合时库存为 0
的那些 sku
属性
/**
* 从 m 个数字中取 n 个,所有可能的取法(不考虑顺序)
* @param m 数据总数
* @param n 取数个数
* @param arr 递归使用,外部调用不需要传此项
* @param hasSeletedArr 递归使用,外部调用不需要传此项
* @param rootArr 递归使用,外部调用不需要传此项
*/
function composeMN (m: number, n: number, arr: number[] = [], hasSeletedArr: number[] = [], rootArr: number[][] = []): number[][] {
for (let i = 0; i < m; i++) {
if (hasSeletedArr.includes(i)) continue
hasSeletedArr = hasSeletedArr.slice()
hasSeletedArr.push(i)
let arr1 = arr.slice()
arr1.push(i)
if (n !== 1) {
composeMN(m, n - 1, arr1, hasSeletedArr, rootArr)
} else {
rootArr.push(arr1)
}
}
return rootArr
}
当然,你也可以用自己觉得更好的算法,总之能解决问题并且效率及格就行
至此,流程结束,功能完成
算法优化
根据上述流程已经可以实现功能了,效率也不低,正常业务场景使用完全没问题,但还存在一些优化的空间
库存为 0 的单 sku数据缓存
对于一个正常的商品来说,特别是平台直营的商品,在绝大部分情况下,其每一条 sku
都应该是有库存的,那么对于这种情况,无论你在什么情况下选中了哪些 sku
属性,都不应该出现被置灰的 sku
属性,因为所有的 sku
都有库存,如果我能确定某个商品所有 sku
都有库存,那就无需考虑按钮置灰的事情了,计算量最大的那一部分就完全可以省去了,一下子少了一大半的计算量
如果并不是所有 sku
库存都为 0
,其实也有优化的空间,可以精确到单个 sku
属性,逻辑如下:遍历所有
商品全 sku
数据集合
,找出所有库存为 0
的 sku
组合,从每个组合中分离出单个 sku
属性,将所有的这些单个 sku
属性放入一个集合中(称为 emptySkuIncludeList
),那么当用户选中任意 sku
组合时,发现用户选中的这些 sku
属性全都不在 emptySkuIncludeList
这个集合中,那么就可以确定,无论下一个用户点选或取消哪个 sku
属性,都不会有需要置灰的 sku
属性
这很好理解,比如,现在库存为 0
的 sku
组合只有 72_1080697__6975_730004__6977_1081969__7335_710006
这一条,也就是 版本:日韩、颜色:银色、成色:全新、配置:256G
这个 sku
组合库存是 0
,那么 emptySkuIncludeList
也就是 ['72_1080697', '6975_730004', '6977_1081969', '7335_710006']
, 当用户点选 sku
属性的时候,选了 版本:国行,颜色:金色
,对应 id
组合也就是 72_1080627
和 6975_730005
,发现这两个属性都不在 emptySkuIncludeList
中,那么此时就无需预测用户下一步,因为无论用户下一步选中或是取消哪个 sku
属性,肯定都不会存在需要置灰的 sku
属性
也即,这种情况下,也无需进行置灰 sku
属性的计算,同样是少了一大半的计算量
求数组交集
计算 indexKeyInfoMap
的时候,比如计算 72_1080627__6975_730003__6977_1080699
这个 sku
组合对应的 商品全sku数据集合
中数据的下标集合,就是从 商品全sku数据集合
中分别查找包含 72_1080627
、 6975_730003
、 6977_1080699
的下标集合,然后三个集合求交集,就是包含 72_1080627__6975_730003__6977_1080699
这个 sku
组合的下标集合
一开始我求数组交集,直接就是依次两两比较,遍历其中一个数组,然后查找另外一个数组中有没有包含当前遍历的这个数组项,如果有,那说明就是交集项
const resultArr = []
arr1.forEach(item => {
if (arr2.includes(item)) {
// 表明是交集项
resultArr.push(item)
}
})
这种算法时间复杂度大概是 O(m * n)
,如果数据量较大,还是比较影响效率的,于是我又想到既然 arr1
和 arr2
中数据都是升序排列,那么完全可以将算法复杂度降到 O(m)
啊,于是有了下面这算法
function intersectionSortArr (...params: Array<Array<number>>): Array<number> {
if (!params || params.length === 0) return []
if (params.length === 1) {
return params[0]
}
let arr1 = params[0]
let arr2 = params[1]
if (params.length > 2) {
return intersectionSortArr(arr1, intersectionSortArr(arr2, ...params.slice(2)))
}
let arr = []
if (!arr1.length || !arr2.length || arr1[0] > arr2.slice(-1)[0] || arr2[0] > arr1.slice(-1)[0]) {
return arr
}
let j = 0
let k = 0
let arr1Len = arr1.length
let arr2Len = arr2.length
while (j < arr1Len && k < arr2Len) {
if (arr1[j] < arr2[k]) {
j++
} else if (arr1[j] > arr2[k]) {
k++
} else {
arr.push(arr1[j])
j++
k++
}
}
return arr
}
避免使用模糊度较高的正则表达式
当用户选中一些 sku
属性时,需要计算当前状态需要置灰的 sku
属性,比如用户选中了 72_1080627
和 6975_730005
这两个 sku
属性时,按照上面说的,需要到 indexKeyInfoMap[2]
里面去找同时包含这两个 sku
属性的 sku
组合数据
也就是到这些数据里面找:
那么如何从 72_1080627__6975_730003__6977_1080699
这种格式的字符串里,找到同时包含 72_1080627
和 6975_730005
的那些呢?一般来说,你可能想到用正则进行匹配,比如我,一开始就拿这个正则表达式去匹配
reg = /[0-9_]*72_1080627[0-9_]*6975_730005[0-9_]*/
为什么这么写呢?因为我只知道按照 paramId
进行 排序 的话, 72_1080627
是排在 6975_730005
前面的,但不清楚 72_1080627
和 6975_730005
都应该在第几位,前面和后面是否还有其他属性相连,所以写了个很宽泛的正则,一条正则搞定,简单省事
本来写完之后觉得还行,问题不大,后来后端进行极端情况测试的时候,每种商品发了上千条 sku
,发现前端会卡十几秒才能动,我赶紧查了一下,发现这块正则耗费了太长时间,就是因为正则太模糊了
优化的方法也很多,比如,你对用户选择 paramId
进行位置的确定,明确地知道 72_1080627
肯定在第一位, 6975_730005
肯定在第二位, 并且肯定还有第三个,这样可以将正则精确为
reg = /^72_1080627__6975_730005[0-9_]+/
相比于开始的那种模糊匹配,这种明显精确了很多,少了很多正则分支,但是呢这毕竟还要先确定位置,而且还是会有模糊匹配的情况,最好不用正则
既然选中的一组 sku
属性肯定不会有重复的,并且数据都是有序的,也就是位置固定,那么其实就是一个字符串查找嘛,直接 indexOf
或者 includes
都行,不过呢,这种查找还是会存在一些无效查找,算法复杂度差不多是 O(m * n)
这个量级
既然按照 paramId
对用户选中的 sku
属性进行升序排序,按照顺序组成一个数组,比如 ["72_1080627", "6975_730005"]
,然后取 indexKeyInfoMap[2]
的每个字符串属性,也按照 sku
属性分隔成数组形式,比如 ["72_1080627", "6975_730003", "6977_1080699"]
,然后对其遍历:
const skuJoinArr = ["72_1080627", "6975_730003", "6977_1080699"]
const currentSkuArr = ["72_1080627", "6975_730005"]
let i = 0
skuJoinArr.forEach(item => {
if (item === currentSkuArr[i]) i++
})
if (i === skuJoinArr.length) {
// 说明匹配
}
无论用户选了哪些 sku
属性,我需要查找的 indexKeyInfoMap[index]
的属性字符串的长度都只比用户选中的多 1
个,并且二者都按照 paramId
进行了升序排序,那么只要两个数组按照条件同时步进,最后长度较短的 currentSkuArr
能够步进到最后,就说明 skuJoinArr
包含 currentSkuArr
这样算法复杂度就降到了 O(m)
这个量级
当然,肯定还有其他可以优化的地方,我目前比较明显地就做了上面几个,优化这种事情,并不是精确到每一行每一段全项目无死角的彻底优化就是最好的,因为优化过的代码,往往跟按着正常思维写出来的不一样,业务代码讲求一个性价比,均衡发展才是最好的
加了上面的优化之后,再对接后端极限测试,在华为 p30
上进行测试, 1000
多条 sku
,只需要 200~300 ms
即可完成初始化, 600
多条 sku
只需要 70-80ms
左右,相比于开始时的十几秒,提升了几十倍
而在实际应用场景中,对于一个正常的商品来说,一般 sku
数量不会超过 100
条的,比如现在京东上的 iphone XR
,也就不到 60
条 sku
,初始化用时大概 20 ~ 30ms
,所以完全够用了
Npm 包
一开始没想要把这个东西做成一个第三方包的,因为这个东西不是一个通用 工具 或者通用组件,而是一个业务性很强的场景组件,与实际业务场景耦合度较高,打成第三方包反而不好根据实际业务场景进行自定义修改
但好像大家都喜欢那种抹平了复杂代码的第三方库,只需要导入就能开箱即用,无需关心内部到底什么逻辑,不止有一个小伙伴建议我将其打包成 npm
包,方便推广,于是我想了下,跟业务交互的部分肯定是不可能抽成独立包的了,但是核心的计算部分可以啊,接收外部输入的数据,在内部完成计算后,将计算结果返回,至于怎么用这个计算结果那就是业务方的事情了,也算是一种抽离吧
于是我就根据这个思路,做了一个 npm包,感兴趣的可以试下
注意事项
上面说到,数据源需要按照 paramId
进行排序,一般来说这个字段都会是数字类型(或者数字类型的字符串形式),这里是根据 paramId
的大小进行排序的,但这里可能存在一个问题,那就是 js
的大数运算
以下参考自 MDN - Number.MAX_SAFE_INTEGER
Javascript
有个最大安全整数的概念,此值为 Number.MAX_SAFE_INTEGER
,常量值为 9007199254740991
,即 2的53次方
,这个数字形成的原因是, Javascript
使用 IEEE 754
中规定的 double-precision floating-point format numbers,在这个规定中能安全地表示数字的范围在 [-(253 - 1), 253 - 1]
。
这里的安全( Safe
)是指能够准确地表示整数和正确地比较整数。例如 Number.MAX_SAFE_INTEGER + 1 === Number.MAX_SAFE_INTEGER + 2
将返回 true
,这在数学上并不正确。更多参见 Number.isSafeInteger()。
说得明白点,那就是如果 js
运算的数字大于 9007199254740991
,结果可能就是不准确的,我们这里以后端接口返回的 paramsId
的相互大小来有序化数据,如果 paramsId
值的大小超过 9007199254740991
,那么两个 paramId
之间比较的结果就可能是不对的,如果你已经跟后端确认过了,此值肯定不会超过 9007199254740991
,那最好不过,无需任何处理,但如果不能确定,那必然要处理一下的,根据你的实际场景来决定就行
总结
一开始在想思路的时候,我一时半会不知从何下手,因为似乎需要考虑的东西很多,考虑到了这个就忘了那个,但实际上静下心来仔细理清思路后,其实还是比较清晰的,思路有了,再将思路用代码实现出来即可,这个就比较简单了,只要自己不把自己绕晕就行
俗话说 talk is cheap, show me the code
,文中一些表达可能还是不太清楚,还是代码最直接,所以我也做了一个在线 Demo(最好在移动端查看),源代码也可以放到 github 上了,感兴趣的可以自己试下
以上所述就是小编给大家介绍的《电商sku组合查询状态细究与实现》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- javascript – 有可能使用angularJs将状态从状态传递到状态吗?
- 前端状态管理与有限状态机
- 如何可视化需求状态和团队状态?
- 给 DSL 开个脑洞:无状态的状态机
- 基于有限状态机的广告状态管理方案及实现
- 基于有限状态机的广告状态管理方案及实现
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
深入理解 Flask
[美]Jack Stouffer / 苏丹 / 电子工业出版社 / 2016-7-1 / 79.00
Flask 是一种具有平缓学习曲线和庞大社区支持的微框架,利用它可以构建大规模的web应用。学习上手Flask非常轻松,但要深入理解却并不容易。 本书从一个简单的Flask应用开始,通过解决若干实战中的问题,对一系列进阶的话题进行了探讨。书中使用MVC(模型-视图-控制器)架构对示例应用进行了转化重构,以演示如何正确地组织应用代码结构。有了可扩展性强的应用结构之后,接下来的章节使用Flask......一起来看看 《深入理解 Flask》 这本书的介绍吧!