Stefan Hagen在博文SAP Cloud Application Studio Performance Best Practices里介绍了在C4C里使用Cloud Application Studio进行ABSL编程的一些性能方面的最佳实践。
文章里提纲挈领地给出了一些guideline。这里提供一些具体的例子。
如何批量调用BO action
不好的例子:
第一行和第四行有两个循环，然后在第二次循环里调用一个比较耗时的ServiceRequest BO的item 节点上定义的标准action FinishFulfilmentProcessing。代码的时间复杂度为o(n2)
正确的做法：
优化的原理就是，C4C和其他很多基于Netweaver的SAP产品一样，其BO的核心service都支持批量操作。所谓批量操作，技术上就是指这些service的输入参数是一个内表，而非单条数据。如果您做过CRM开发，可以类比CRM_ORDER_MAINTAIN这个function module，其所有输入参数都是内表结构。C4C的BO提供的service的接口定义也完全采用了这种支持批量操作的设计。
上述不好的例子，编译出来的ABAP代码的伪代码如下：(因为C4C的后台代码没有开放给Partner和客户，我只能提供伪代码)。可以看出尽管BO的action是执行批量操作，但是这种写法并没有发挥批量操作的作用，每次在循环内部作为输入参数的内标在第二行被清空，造成每次调用BO action时输入参数只有一条记录。
而正确的例子，编译后生成的伪代码为：
能清楚地看到BO action的执行已经放到循环外部了。
如何批量执行BO Retrieve
当我们在Cloud Studio里通过代码自动完成功能试图调用BO的Retrieve方法时，IDE会提示我们Retrieve方法有三个重载(Overload), 这表明Retrieve能够支持传入不同的参数。
正确和不建议的做法分别见下图蓝色和红色代码。可以看到蓝色代码retrieve接受的输入参数是一个集合, 包含了两个ID为3和4的元素，使得41行的调用能够一次即可返回2个ServiceRequest的数据。
line 43编译后生成的ABAP代码的伪代码：
line 41编译后生成的ABAP代码的伪代码：
通过比较能发现如果传入retrieve的参数是一个ID的集合，那么编译生成的ABAP代码会调用一个接口为内表的retrieve方法，批量读取数据。
如何批量执行BO Create
对于基础的Create操作，见下列代码第54行，只支持基于单个节点的数据创建。
但是对于CreateWithReference的场景，则和第二个例子的Retrieve场景一样，不仅支持传入单个数据(第56行), 也支持传入一个集合(第58行)。
这两种不同的输入，会导致编译生成的ABAP代码分别进入CREATE_WITH_REF_1和CREATE_WITH_REF_N的执行逻辑，产生性能差异。
要获取更多Jerry的原创技术文章，请关注公众号"汪子熙"或者扫描下面二维码:
相关推荐
首先，`absl-py`源自Google的内部库，旨在提供一套实用的工具和最佳实践，帮助开发者构建可靠且可扩展的Python应用程序。其核心功能包括日志记录、命令行参数处理、实验管理、性能基准测试等，这些在大型项目中尤为...
8. **性能优化**：absl-py 中的一些模块针对大规模计算进行了优化，比如多线程和并行计算的支持，可以帮助提高代码的执行效率。 9. **测试框架**：它还包含了一套测试工具，使得编写和执行单元测试、集成测试变得...
`absl-py-1.4.0.tar.gz` 是一个包含 `absl-py` 库版本 1.4.0 的压缩包文件。`absl-py`，全称为 Applied Binary Logistic，是一个由谷歌开发并维护的开源库，主要用于提供一系列在机器学习和深度学习项目中常用的基础...
在替换过程中，需要注意的是`std::optional`和`absl::optional`的一些行为差异。例如，`absl::optional`支持直接用`= nullptr`来初始化为空，而`std::optional`则不支持。此外，`absl::optional`提供了`emplace()`...
9. **Python的最佳实践**：`absl-py` 遵循了Python编程的最佳实践，例如使用类型注解和面向对象设计，这有助于代码的可读性和维护性。 10. **兼容性**：`absl-py` 与TensorFlow和其他深度学习框架很好地集成，可以...
6. **性能监控**：`absl-py` 提供了一些性能监控工具，如计时器、计数器等，可以帮助开发者跟踪代码性能瓶颈。 7. **多进程管理**：对于并行和分布式计算，`absl-py` 提供了简单的多进程管理工具，可以方便地启动和...
7. **代码质量**：absl-py 遵循了Google的编码风格，保证了代码的可读性和一致性，同时也符合Python的最佳实践。 8. **社区支持**：由于其开源性质，absl-py拥有活跃的开发者社区，不断更新和改进，用户可以通过...
它主要服务于两个核心目标：首先，提供一套可重复使用的实用程序和最佳实践，以简化复杂项目的开发流程；其次，作为TensorFlow和其他谷歌AI框架的辅助工具，增强其功能和易用性。 在0.1.6这个版本中，absl-py可能...
absl-py，全称是"Application Baseline Library for Python"，由谷歌开发并开源，旨在提供一套基础工具，帮助开发者构建大规模的机器学习项目。它主要关注稳定性和性能，为机器学习研究和生产环境提供了许多实用的...
`absl-py`，全称为"Application Default Building Blocks for Python"，是Google开发的一个开源库，它提供了各种实用工具和功能，便于构建和管理大型、复杂的Python项目，尤其是在机器学习和人工智能领域。...
**absl-py**，全称为Application Baseline Library for Python，是谷歌开发的一个开源库，旨在提供一套基础工具集，以支持大规模机器学习项目的开发和实验管理。这个库受到了TensorFlow等大型项目的启发，提供了许多...
"深度学习"标签表明这个库特别适用于深度学习领域，因为absl-py提供了许多对TensorFlow和其他深度学习框架有益的辅助工具和最佳实践。 在压缩包内，主要文件"absl-py-1.3.0"可能包括以下部分： 1. `setup.py`: 这是...
absl-py（Applied Binary Clustering Library for Python）是由谷歌开发的一个开源库，旨在为研究人员和工程师提供一套稳定、可扩展的工具，以支持大规模机器学习项目的开发和实验。这个库的名字"absl"源自其最初的...
`absl-py` 的设计考虑了谷歌内部的实践经验，它强调了在实验中的一致性和可复现性，以及在大规模数据集上的高性能计算。 在`absl-py-0.11.0`版本中，我们可以期待以下关键特性： 1. **日志记录与调试**：`absl....
在开始介绍如何下载、安装和合并Abseil（absl）之前，我们先来了解一下Abseil库的一些关键特性： 1. **类型安全**：Abseil提供了许多类型安全的替代品，如字符串和字符串_view，以及智能指针，以避免内存管理和类型...
它允许开发者在不修改核心代码的情况下，轻松地切换评估指标和验证策略，这对于优化模型性能和选择最佳模型至关重要。0.1.7版本可能包含了更多针对这种评估流程的优化，使得模型的评估过程更加自动化和准确。 总的...
5. **性能优化工具**：该版本还包含了一些性能分析和优化工具，比如计时器、内存监控等，帮助开发者识别和解决性能瓶颈。 6. **数据集处理**：absl-py对数据集的处理提供了便利，支持数据预处理和批处理操作，使得...
**absl-py-0.1.5.tar.gz** 是一个包含 **absl-py** 库特定版本（0.1.5）的压缩文件，主要用于深度学习领域。这个库是谷歌开发的一个开源项目，全称为 "Abseil Python Library"，它提供了各种实用工具和模块，有助于...
`absl-py`，全称是 "Application Binary Interface Library for Python"，它是一个由谷歌开发并维护的开源库，主要用于提供稳定、可重复的实验环境，以及帮助构建大规模机器学习和深度学习项目。这个库最初是为了...