Python 集成逻辑4 各层级IL工具的比较

说明

IL工具从底层到顶层分别是：函数字典、规则集、函数链和立体图。简单比较一下这几个层级工具的作用和异同点。

内容

1 作用

• 函数字典：将函数的管理抽象化，为上层的调用提供了基础。
• 规则集：将一些组合动作封装起来，减少复杂逻辑的重复书写和调试。
• 函数链：实现一个简单的功能，例如一次建模活动。
• 立体图：实现完整的功能，例如构建一个完整的线上服务。

2 异同点（特点）

2.1 修改频次

把这些IL模块比喻为乐高积木：

• 1 函数字典产生最基本的积木，一旦产生后，修改就比较少
• 2 函数集：是几个积木拼起来的小模块，更多的在于重新组合和微调，频次稍高
• 3 函数链：用基本的积木和一些拼好的模块构成一个半成品，会不断的重新组合，频次更高
• 4 立体图：拼成一个成品。从开始到成型一直在变，稳定后则会通过分叉不断调优。

2.2 逻辑作用

• 1 函数字典之前讨论过比较多，概念化，动态化函数，使用者不必知道函数存在哪，如何导入。
• 2 规则集。本质上相当于一个内存中的接口，做起来比较费时，所以一定要具有通用性的组合动作才值得开发。（例如数据IO,既繁琐又常用)
• 3 函数链更像是一个pipeline，将一系列动作有机的结合在一起。函数链具有调优功能。
• 4 立体图是一个更大的概念。是上层应用的组合。

2.3 技术细节

• 1 函数字典目前没有用其他技术，但未来可能会使用图判断依赖
• 2 规则集。本质上使用了变量空间(VarSpace)实现了规则间的依赖，这些依赖是比较固定的。因为规则集通常是一个常用动作的抽象，变化不多。
• 3 函数链。虽然也是按步骤进行的，但是其依赖不通过变量空间，而是通过连接点(Connector)完成连接，其核心是一张路由表(RouteTable)。通过连接点实现了复用(某些数据可以容易被其他规则集/函数访问而不必重新运行)和平行空间(一条路由就是一个空间)。连接点还会提供一些具体信息，便于分析和管理。简单来说，函数链管理若干连接点，连接点通过路由表实现一个复杂的pipeline。
• 4 立体图。其核心是子图和连接点。一个子图由若干函数链组成，形成一个完整的功能，子图内的连接点除了具有类似函数链连接点的功能还具有类似nginx的功能。有时候，子图就是产品的某个功能。每个子图都会连接到一个连接点，和函数链不同，这个连接点是具有层级的，所以是立体的。这样做的是为了可以实现更复杂的产品，在子图级别向上堆叠。

3 ILD(Integrated Logic Density) 逻辑集成密度

一个程序逻辑相当于1行代码, IL可以管理10万级别的逻辑

• 1 一个函数如果等同于一个计算逻辑，其内部有1~10个程序逻辑，平均按5计算
• 2 一个规则集按5条规则函数计算，每个规则函数平均有5个函数，那么就相当 25计算逻辑（125程序逻辑）
• 3 一个函数链，相当于125计算逻辑（625程序逻辑）
• 4 一个立体图中的一个子图，相当于625计算逻辑（3125程序逻辑）
• 5 一个稍微复杂的立体图，假设有5层，每层有5个子图，那么有15625个计算逻辑（78125程序逻辑）

IL工具要保证可靠、快速的实现这个量级的逻辑。

• 比较辛苦的工作是累积函数和规则集
• 比较有意思的是用函数和规则集构建函数链和立体图

IL可以真正有效的管理这个量级的逻辑，是活的。上面考虑的集成度只是一个空间的逻辑数，当我们希望进行全局参数调优，或者不断加入新的制程进行比较时，算法会对所有的可能进行处理。这里就靠运筹学方面的算法了。

PS: 一个深度学习模型也只是一条计算逻辑。