reduce后端设计

在进行reduce软件设计的时候，我希望尽量保证软件操作的简单性。

通过一些巧妙的设计可以避免设计出复杂的软件，因此数据结构需要被文档化。

值得注意的是，这是reduce软件的v0.1版本，因此尚不确定reduce的数据结构会不会在今后的日子里大改，不过按照目前的心境来说，是可以设计出一个简单、强大的数据结构的。

reduce的后端存储严重依赖redis。我受到unix软件的设计启发,长期使用命令行等工具进行工作。我发现这种哲学带给我无尽的价值。reduce背后承载的思想非常宏大，所以必须按照经验来进行软件设计，因此我采用了最小工具集成的方式设计reduce。

redis的数据结构我采用了散列表和队列两种数据结构，下面我将按照图形的方式介绍其在reduce中的应用，相信你很快就会认同reduce采用这两种数据结构的巧妙之处，并萌生出为reduce设计无数扩展的想法。

前端模型需要和后端数据进行绑定，因此后端的进行才使得reduce向前推进。

先来看前端概念诞生的模型：

会发现一些行为：

Ø 增加concept

Ø 增加question

Ø concept转question

Ø question转concept

Ø concept:横向推理->concept

Ø concept:横向质疑->question

Ø 横向推理是用户的主观行为，不需要保存。

Ø 横向质疑是用户的主观行为，不需要保存。

上面这些操作都是最基础的操作。

对于删除和查询这两类操作来说,reduce算法会把两个concept/question <-> concept/question之间所有的节点统统消灭，让其只剩下一个可以修改的concept/question。然后附着一个资源栈来链接提到的资源。

资源栈的设计是为了存储各种资源，目的是方便交流，方便在回溯的时候查找。

所有的资源具有唯一性，因此，采用hash表来进行存储是一种十分理想的情况。

后续如果侦测到同一类型的资源，就可以直接复用。

资源栈设计完成了，紧接着就是剩余数据结构的设计了。

在大概了解了redis的数据结构后，我开始进行接下来的设计。

在redis中，有一种特殊的数据结构叫做散列表。我的计划是使用topic当做散列表的key,然后topic内部的concept/question进行k-v的映射。

采用这样的模型，在后续topic的设计升级成语义树的情况下，就有可能向上兼容升级为topic的语义树模型管理。

具体内部是如何实现k-v型数据结构呢?

一些说明

id我采用的是全局唯一自增长的id,不会考虑不够的情况。

每生成一个新的节点，都会生成一个新的全局自动增长的id,

每逻辑删除好多个节点，回到刚开始的那个节点，那个节点的id并不会更新。

str是concept/question的内容。

reduce_resource中值为hash。

left/top为指针指向和其他Item的关系。

reduce的存储

reduce是一个非常常用的操作，常用到他必须要有一种好用的数据结构来描述。但是我不想引入过多复杂的，脏的关系的描述，想要用巧妙的方法来记录reduce。

其实我想解决的问题是reduce的遍历问题，只要能按照时间顺序将其完美的进行遍历就ok了。

我使用了redis中提供的队列的数据结构，它能够根据key生成一个队列，这个队列其实是某个操作队列，记录着所有生成Item的时间过程。

一个点的关系我使用了left和top来描述。在构建这张图时，需要准备一个队列，随着这个队列元素的出队，会逐渐构建其这张图的全貌。

当元素1出队时，寻求构建它的left和top,发现都是None,则绘制1，完毕。

当元素2出队时，寻求构建它的left和top,发现2的left是1，则绘制1-到2的边，完毕。

会不会存在2的left和top都有值的情况？不会。假设存在这种情况，那么就必然会有即向右构建，还向下构建的节点。在构建阶段是不存在这种节点的。在reduce阶段存在吗？不会。因为reduce其实他的一个核心操作是从一个叶子节点开始，将其路上所有的节点消灭，然后形成新的叶子节点。也就是最终的节点它非但right和bottom不会增加新的，反而会变成None。这种情况下，就保证了left和top只能最多有一个存在的唯一性。

当元素3出队时，需求构建它的left和top,发现2是它的top,因此绘制3。这些都是ok的。这样，按照队列的顺序遍历，其实整个图就可以确定。我们发现会存在4,5,4这样的节点，因此我们说这样的节点有一个reduce。

具体情况是这样的，4，5，4时，遍历到第二个4时，发现已经绘制了4，就知道这是一个Reduce节点。

然而，这种数据结构能否处理更为复杂的reduce情况呢？让我们用例子来说明。

在这个观点下，有几个可以观测到的概念：

Ø 出现两次及以上的点都是Reduce的点

Ø Reduce的次数=(点出现的次数-1)

Ø Reduce的顺序可以按照Reduce匹配的右边的点从左往右数。