规则匹配引擎——思路2

上篇分析到想通过运用规则间关系来尽量减少比较次数，然后初步得出的结果是比较乱，然后呢？

不能因为乱，这条路就不走了，规则间的关系是很好的信息可供利用，那问题就是，为什么运用这关系会比较乱？有没有不乱的情况？

我们可以很容易的想到如下两条规则，保证不乱：

1, {'price': '0<x<50'}
2, {'price': '50<x<150'}

对于这两条规则，当满足任何一个，另一个肯定不满足，原因是因为这两条规则的范围是相异的。想到这里，那之前规则乱的原因也找出来了：规则范围有重叠！

我们把之前的三条规则，连同上述两个规则的2作为规则4，放在同一个数轴上来看他们的范围：

   -------50----75----------------150------
1.         --------------------------------
2.                                 --------
3. --------------
4.         ------------------------

从这个数轴可以直观的看出规则间的重合的范围，凡是落在两个规则重合范围内的数据，在匹配到1条规则的一个边界的时候，总是需要去判断是否满足另一条规则的另一个边界（包含关系中只要能匹配较小的范围规则，较大的范围规则一定能满足，但是由于不好确定哪个较小的范围需要被先匹配，因此若先匹配大的范围，被包含的小范围仍需被匹配两个端点，因此计算量扯平了）。

由此我们得出一个最简单的认识：相异好，重叠坏！

假定在一个没有重合范围的规则集合，规则范围会是这样的：

    ---10---20---30---40---50---60------>
1.  -----
2.        -----
3.                --------------

当一个规则被匹配到，其他的规则都是不能被匹配的，忠诚的都让我感动了。

而且而且，对于放在数轴上的这些范围段，难道我们还需要一个一个的匹配么？难道我们还想不到一种方法叫做2分查找么！这个如此简单而又强大的算法，蕴含的是信息论世界的基石，用抽象而又具体的话来说，就是一个蛋糕一切两份，要想自己不吃亏，那就切均匀。至此，规则匹配的问题，我们可以变成了通过二分查找数据所属的范围问题，O（N）和O（Log2N）的差异我不用解释了。

但是，我们还有个问题遗留着没有解决。我们上述的乐观，来源于我们的假定“在一个没有重合范围的规则集合中”，可这明显又是不可能的，我们的4条规则明显是不相异的。

但是，肯定是不可能的么？我们能不能让不可能变可能呢？