c# - Teafiles 和茶馆图表库背后的架构？

Question

我遇到了一个名为 Teafiles.net 的开源 .Net 库，它处理时间序列存储和检索。专有产品茶馆可以绘制这样的时间序列。我想知道茶馆产品是否也可以作为源代码提供，无论是开源还是付费许可。我对能够仅加载在当前图表视图中可见的数据点以及如何实现类似解决方案背后的技术感兴趣。

我正在寻求实现类似的东西，并且想知道是否有人遇到过类似的技术，或者知道付费茶馆许可证是否也可用于源代码。

Answer 1

我目前正在开发基于ZedGraph库的趋势解决方案，并且我正在使用 TeaFiles 缓存来自数据库的大量数据。

我不知道 TeaHouse 解决方案背后的技术到底是什么。但我还使用了一种方法来显示来自 TeaFile 的大量数据中两个日期之间的一组点。

ZedGraph 库有一个FilteredPointList执行自动数据点抽取的对象。它包括一种SetBounds方法，允许您选择要显示的日期范围以及要显示的最大点数。通常，它对应于视图的实际宽度。

（FilteredPointList 原始源代码）使用两个包含 XY 数据的双精度数组。通过将数组替换为 TeaFile 对象很容易使此类适应 a TeaFilePointList，将 T 视为包含 DateTime 和 double 属性的结构。

实现不是最优的，但我是这样开始的。稍后我可能会更新此代码以包含 TeaFile 的 MemoryMappedFile 功能。这样会快很多。

public class TeaFilePointList : IPointList
{
    TeaFile<point> tf;

    private int _maxPts = -1;
    private int _minBoundIndex = -1;
    private int _maxBoundIndex = -1;

    struct point
    {
        public TeaTime.Time x;
        public double y;
    }

    public TeaFilePointList(DateTime[] x, double[] y)
    {
        tf = TeaFile<point>.Create(Path.GetRandomFileName() + ".tea");
        for (var i = 0; i < x.Length; i++)
            tf.Write(new point() { x = x[i], y = y[i] });
    }

    public void SetBounds(double min, double max, int maxPts)
    {
        _maxPts = maxPts;

        // find the index of the start and end of the bounded range

        var xmin = (DateTime)new XDate(min);
        var xmax = (DateTime)new XDate(max);

        int first = tf.BinarySearch(xmin, item => (DateTime)item.x);
        int last = tf.BinarySearch(xmax, item => (DateTime)item.x);

        // Make sure the bounded indices are legitimate
        // if BinarySearch() doesn't find the value, it returns the bitwise
        // complement of the index of the 1st element larger than the sought value

        if (first < 0)
        {
            if (first == -1)
                first = 0;
            else
                first = ~(first + 1);
        }

        if (last < 0)
            last = ~last;

        _minBoundIndex = first;
        _maxBoundIndex = last;
    }

    public int Count
    {
        get
        {
            int arraySize = (int)tf.Count;

            // Is the filter active?
            if (_minBoundIndex >= 0 && _maxBoundIndex >= 0 && _maxPts > 0)
            {
                // get the number of points within the filter bounds
                int boundSize = _maxBoundIndex - _minBoundIndex + 1;

                // limit the point count to the filter bounds
                if (boundSize < arraySize)
                    arraySize = boundSize;

                // limit the point count to the declared max points
                if (arraySize > _maxPts)
                    arraySize = _maxPts;
            }

            return arraySize;
        }
    }

    public PointPair this[int index]
    {
        get
        {
            if (_minBoundIndex >= 0 && _maxBoundIndex >= 0 && _maxPts >= 0)
            {
                // get number of points in bounded range
                int nPts = _maxBoundIndex - _minBoundIndex + 1;

                if (nPts > _maxPts)
                {
                    // if we're skipping points, then calculate the new index
                    index = _minBoundIndex + (int)((double)index * (double)nPts / (double)_maxPts);
                }
                else
                {
                    // otherwise, index is just offset by the start of the bounded range
                    index += _minBoundIndex;
                }
            }

            double xVal, yVal;
            if (index >= 0 && index < tf.Count)
                xVal = new XDate(tf.Items[index].x);
            else
                xVal = PointPair.Missing;

            if (index >= 0 && index < tf.Count)
                yVal = tf.Items[index].y;
            else
                yVal = PointPair.Missing;

            return new PointPair(xVal, yVal, PointPair.Missing, null);
        }
    }

    public object Clone()
    {
        throw new NotImplementedException(); // I'm lazy...
    }

    public void Close()
    {
        tf.Close();
        tf.Dispose();
        File.Delete(tf.Name);
    }
}

最难的部分是为 TeaFile 实现 BinarySearch，以便使用 DateTime 快速搜索记录。我使用反编译器查看了 Array.BinarySearch 实现，并在下面编写了扩展：

public static int BinarySearch<T, U>(this TeaFile<T> tf, U target, Func<T, U> indexer) where T : struct
{
    var lo = 0;
    var hi = (int)tf.Count - 1;
    var comp = Comparer<U>.Default;

    while(lo <= hi)
    {
        var median = lo + (hi - lo >> 1);
        var num = comp.Compare(indexer(tf.Items[median]), target);
        if (num == 0)
            return median;
        if (num < 0)
            lo = median + 1;
        else
            hi = median - 1;
    }

    return ~lo;
}

如果 ZedGraph 不符合您的需求，至少您明白了。FilteredPointList 类中使用的抽取算法非常好，可以通过其他方式适应您的需求。