我发现我最前面的socket、2pc系列的代码式博文，没有什么评论和推荐，这直接导致我不再想写一些更深入一点的代码式博文了。还是写写这种乱七八糟的博文吧，这种的看起来比较受欢迎。

      拿前一段时间比较热门的出行类app(滴滴，快的等)来举例说明，用最坏的设计，写最合理的程序。从另一个角度，来看程序设计。

      当一个乘客，设置好了路线的起点和终点，并点击了叫车以后，服务器这个时候就需要做什么呢？

      根据乘客的起点来进行匹配，将它的这次请求，发送给他附近的一些出租车司机。假定为方圆1km以内称为附近的司机(因：出租车不需要像顺路车一样，需要考虑方向，暂时也不用考虑拒载)，再由司机决定是否接受，并在司机接受以后，提示其他司机该乘客已上车。

      官方数据，上海市(目前仅考虑上海市场)有80k辆出租车，假定根据各方面的计算，单个线程每s需要处理的并发量，大约在100，则单次乘客的叫车请求(不考虑网络耗时，仅考虑服务器处理)，在10ms以内处理完毕即可满足市场需求，那最坏的设计下，80k个司机全部遍历一次，如果时间在10ms以内就能完成，那我们这样做程序设计，就完全没有任何问题，简单直接，且满足需求，这便是合理的程序设计。

      那么问题来了，由于司机的所在地理位置，按120km/h(33m/s)计算，数据在一直不停变更，存放司机数据的内存，需要不停的上锁，直接做foreach处理可能远远达不到我们的需要。这时候该怎么解决呢？

      于是我们想出了第二种解决方案，把司机的数据，直接存放在rmdb，并对司机的地理位置，做非聚簇索引，80k条数据做一次单表select，这个是速度是极快极快的。但由于数据是在不断变更的，按33m/s来计算，1km大约是33s，500m大约是16s，最坏的设计下，我们只需要测试，rmdb能够撑住的update，在80k/16s (5k/s) 的情况下，那么我们这样做程序设计，也完全没有任何问题，简单直接，且满足需求，这也是合理的程序。

      那么问题来了，如果我们不是做出租车，而是做私家车呢？根据官方数据，上海私家车，约为140w辆，且每年以约20%的速度增长。这个时候，放在DB就远远满足不了我们的需求。那怎么办呢？

      于是我们想出了第三种解决方案，把司机的数据，按照地理的经纬度位置分组，以每平方公里切分成1个方格数据(上海有7000平方公里)，则约为7000个分组，则1400k/7000=200，根据乘客的起点，计算出隶属于哪一个方块，则我们只需要遍历该方格，和周边的8个方块(参照9宫格)数据即可，200*9=1800。然后根据司机的地理位置变化，不断的将司机从一个方格移动到另外一个方格。那最坏的设计下，单次遍历1800个司机数据，能够满足我们的需求的话，那么我们这样做程序设计，就完全没有任何问题，简单直接，且满足需求，这便是最合理的程序。如果还是慢，则可以按0.5平方公里切分。一般到这里，就结束了，这个设计几乎满足任何出行类应用app。

      说个题外话：假如数据还是很大，依然无法满足，我们则可以继续针对方格数据，对里面的司机进行排序 或 区间处理等方式，继续降低遍历的复杂度，算法题，不在此文所陈述范畴。固不做具体描述。

      请注意看，我前面用的是一般到这里，就结束了，那么不一般的情况呢？

      这个时候高潮来了，假如司机手贱，老子就是不接客，且乘客也手贱，发现长时间没有司机接单，老子依旧不取消叫车。并且当有司机/乘客随着移动，进入到另外一个方格时，需要自动提示该司机，有这个乘客在叫车。注：该叫车请求没结束之前，有地理位置变化，所产生的新的 满足匹配需求的，以及不再满足匹配需求的，需要推送消息，告诉司机该乘客已超出范围 或 有新乘客叫车。

      随着叫车请求的不断累加，为了保证系统的正常运作，需要处理的并发数，就会不断递增。

      虽然这种场景不太可能发生，但是这种变态的开发需求，在一些非定点叫车的沿途类出行app里面，经常会出现。

      那么问题来了，当这种需求来临时，该怎么处理呢？

      还是老办法，最坏的设计下，单个线程能处理的请求数，假定为1000个，则将所有的请求数，入一个队列。当有新的请求进来时，判定该队列里面是否已经有1000个请求，在处理中。如果有，则该请求不处理 或是将该请求入另外一个线程的队列 或 分发到另外一台机器。一直持续到该队列的个数低于1000(用户取消叫车，超时自动放弃等)。当然了，具体的处理方式可以有很多种。但总体来说，都是按最糟糕的情况，来设计程序的临界值和处理方式。

      总体来说，一个合理的程序，一定是满足其最坏的设计。

最坏的设计 写最合理的程序