GcExcel计算引擎的工作原理及常见用户问题
本帖最后由 Lynn.Dou 于 2024-4-26 10:24 编辑用户在使用GcExcel的时候，常常有一些用法的问题，尤其在面对性能问题的时候，需要对计算引擎的工作原理有一些了解。为此，写这篇文章给用户介绍一下GcExcel的计算引擎，并回答一些常见的问题。
一．单元格的存储结构
要理解计算引擎，首先需要理解单元格的存储结构，计算引擎的工作方式是基于单元格的存储结构基础上设计的。每个单元格内部有三个字段：Value、Status和Formula。
Value用来存储值，Status用来存储状态，Formula用来存储公式。Status有两种值:Valid和Dirty, Valid表示值是有效的，Dirty表示值是脏的，无效。
假设有这样一个表格：
A1中存放一个数字10,B1中存放一个公式:=A1+2,C1中存放一个公式:=B1*2,对于这样一个表格，它们存储结构初始状态是这样的：
A1Value
10B1Value
0C1Value
0
Status
ValidStatus
DirtyStatus
Dirty
Fomula
Fomula
=A1+2Fomula
=B1*2
B1和C1的初始值是0，Status是Dirty。
二．公式的计算过程
什么情况下会引发一个单元格的公式被计算？两种情况：
1.获取一个单元格的值时（包括用户调用GetCellValue()和GcExcel的内部feature调用GetCellValue()）.
2.调用Calculate()方法。
大家可以看后面的流程图来了解详细的过程。从这个过程得到以下几点需要注意的地方:
1.如果不调用Calculate(),一个单元格只有在获取它的值时才会引发计算。所以，即使有公式的单元格再多，如果你只取某一个单元格的值，只会计算这个单元格和它所依赖的单元格，不会引发大量的计算，除非这个单元依赖很多其它单元格。
2.SetValue()不会引发计算，只有GetValue()才会引发计算。所以，在SetValue()的时候，一般不需要关闭计算引擎，它不会带来性能的大量提升（会有适当的提升，后面会讲到）。
3.一个单元格只会计算一次，不会反复计算。所以，对同一个单元格,第一次取值可能消耗时间，第二次取值的时间就忽略不计。
4.Calculate()方法可以主动引发计算，但一般情况下也不需要调用。因为很多时候，用户只会用到一部分单元格的值，其它单元格根本不用，过多的计算也是一种浪费。只有当用户觉得某些情况下CPU闲着没事，利用空闲时间先把后面需要计算的单元格提前计算了，这样后面取值就快了。另外，由于Calculate()方法是批量计算，因此它在计算过程中做的优化比较多，因此比单独计算会快一些。
在计算过程中，怎么处理单元格之间的依赖关系？如上面的例子C1依赖B1,B1依赖A1，怎么决定它们计算的先后顺序？
在GcExcel中，计算的发起可以从任意一个单元格开始，在计算的过程中才寻找依赖对象并对它们进行计算。 假设用户调用GetValue（）方法获取单元格C1的值，会引发下面的过程（详细情况参看流程图）：
1.获取单元格C1的值，发现它有公式并且状态是Dirty,调用计算引擎计算C1。
2.计算引擎在计算C1的时候，发现C1依赖B1,于是去获取B1的值。
3.当获取B1的值时，发现B1有公式并且状态是Dirty, 调用计算引擎计算B1。
4.计算引擎在计算B1的时候，发现B1依赖A1,于是去获取A1的值。
5.当获取A1的值时，发现它没有公式，直接返回Value中存储的值10，回到计算B1的过程;
6.继续计算B1的公式，得到结果12,把这个结果存入Value中，并把Status改为Valid,然后返回12，回到计算C1的过程。
7.继续计算C1的公式，得到结果24，把这个结果存入Value中，并把Status改为Valid,然后返回24.
三．状态同步
当一个单元格的值发生变化后，所有依赖它的单元格都必须重新计算。但GcExcel并不会立即触发这个计算过程，只是把所有依赖它的单元格的状态改变为Dirty，后面GetValue()时才计算,我们把这个过程叫做状态同步。比如上面的例子，当A1的值发生变化后，必须把B1的状态改为Dirty, B1变为Dirty后，又需要把C1的状态变为Dirty。
状态同步过程往往耗费时间较少，所以一般情况下，在SetValue()的时候不需要关闭计算引擎。只有当公式特别多，依赖链特别长的情况下，这个同步过程才会比较耗费时间。
状态同步的过程是自动的，用户不需要干预。但如果用户怀疑在某些特殊情况下状态出错了，可以调用Dirty(),这个方法会把单元格的状态改为Dirty,并且会把所有依赖这些单元格的其它单元格状态也改为Dirty,这样下次去取这些单元格的值时，就会重新计算。
当计算引擎处于关闭状态时，状态同步会停止，如果这个时候改变了单元格的值，状态就不正确了，当计算引擎被再次开启时，为了确保正确，GcExcel会把所有单元格的状态改变为Dirty。这样会带来一个后果，如果用户需要获取所有单元格的值，这些单元格都得重新计算一遍。所以，频繁关闭计算引擎，在某些情况下不一定会带来性能的提升。
有时候，用户会在一个循环中大量设置单元格的值,比如写这样的代码：
由于在改变值的时候需要同步状态，在这种情况下可能会带来性能问题。用户可以在这种情况下关闭计算引擎，后面再打开，代码如下：
关闭计算引擎有两个缺点 ：
1.再次打开时，会导致所有有公式单元格的状态都变成Dirty,如果后面需要获取所有单元格的值，全部需要重新计算一遍。
2.在计算引擎关闭中间，获取一个公式的值，取出来的是最近一次计算的结果，很可能是错误的。
关于第二个缺点，写下面这样的代码就可能发生：
如果C1是一个公式，而它依赖的单元格的值被改变了，那么上面的代码就会出现错误。为了避免这类错误，GcExcel提供了一个方法：setDeferUpdateDirtyState(boolean value)。
这个方法会把同步状态这个过程推迟，在SetValue()的时候，不同步状态，只是把发生变化的单元格放入一个ChangeSet中，等到GetValue()的时候，再从ChangeSet中取出所有变化的单元格，同步所有的状态。这样SetValue()变成很快，无需关闭计算引擎，也就不会出现上面的错误。
于是，GetValue()的流程就增了一个同步状态环节，变成这下面这个图的样子。虽然每个单元格的GetValue()中都会同步状态，但真正的同步只会发生在第一次，同步完后会清空ChangeSet,后面的同步状态过程就无事可做了。
setDeferUpdateDirtyState()虽然解决了一些关闭计算引擎带来的问题，但也有一个问题:就是状态同步延迟后，一些依赖状态通知的feature就会出问题，最典型的是Chart。比如一个Chart引用了单元格B1的值，而B1是一个公式，引用了A1的值，当用户改变A1后，如果没有状态同步，就不会知道B1发生了变化，就不会通知Chart引用的值失效了。如果这个时候用户去取Chart的值，得到的是旧值。
要想避免这样的问题，用户需要谨慎使用setDeferUpdateDirtyState()。只有在出现性能问题的地方才调用，并且要尽快的调用setDeferUpdateDirtyState(false)改回来。在这之间，除了setvalue()和getValue()，用户要避免去用其它的feature。不仅是Chart,任何直接或间接依赖公式的Feature,都会受到setDeferUpdateDirtyState()的影响。
如果使用setDeferUpdateDirtyState()来优化性能，前面的For循环的代码，用户可以写成这样:
四．常见的一些问题
1.优化For循环中大量写的性能问题
在For循环中大量写值是最容易出现性能问题的地方，前面说了一些优化方式，这里再说一些需要注意的地方。
优化这个问题有三种方法：
（1） 把值写在一个数组中，然后把数组赋值给GcExcel,这是最快最好的方法。代码如下：
（2） 调用setDeferUpdateDirtyState()来改善性能问题。
在这种情况下，要尽量避免setValue和getValue()同时进行，比如下面的代码。
如果第一列都是公式，那么这个代码会带来很大的性能问题。因为它的setvalue()和getValue()在不断的交替进行，这样就会导致不断的同步状态，不断的运算。
而且这种情况下，关闭计算引擎也不行，会获取错误的数据。这种情况只能从业务逻辑上去想办法，避免出现这种GetValue()和SetValue()交替出现的情况。
也可以通过设置公式来解决，比如这个例子，就给B1:B10000的单元格设置一个公式:=A1。
（3） 通过关闭计算引擎来改善性能问题，这是最后的手段。
2.打开文件时如何优化公式的性能？
Excel文件中存储有公式和它的计算结果，结构如下图: C节点表示单元格，f节点表示公式，v节点表示值。v节点不是必须出现的，如果没有它，表示这个公式还没有被计算。
GcExcel在读Excel文件时，会把公式和值都存进单元格的存储结构中，但读完所有数据时，GcExcel调用了Workbook.Dirty(),这个函数会把所有单元格的状态改成Dirty。后面取单元格的值时，需要重新计算。
GcExcel为什么要这么做呢？因为我们在测试的时候，发现很多用户的Excel文件，数据并不完全正确，原因可能是这些文件不是Excel生成的。为了确保正确，GcExcel需要重新计算一遍。
如果用户确信文件数据是正确的，可以在打开文件的时候，告诉GcExcel不要重新计算，这样GcExcel打开文件后，就不会取调用Workbook.Dirty()。用户要写的代码如下:
如果一个公式在文件中没有存放值，GcExcel会把它的状态标记为Dirty。如果所有的公式都没有存放值时，不管用什么样的打开方式，所有单元格的状态都是Dirty。
3.保存文件需要注意的地方
在保存文件的时候，GcExcel不会对公式进行计算，当它发现一个单元格的状态是Dirty时，不会写值，只把公式写进文件。所以就会出现这样一个现象，当用户写下面的代码：
在xml里面查看时会发现test2.xlsx文件中的公式的值全丢了（Excel和GcExcel能显示正常值是因为它发现没有值，会马上计算一个值，所以看的时候总是有值的）！要避免这一点，需要这样写:
这样test2.xlsx和test.xlsx中的值是一样的。也可以这样写:
这样test2.xlsx中每一个公式都有值，但是保存的时候需要消耗计算时间
4. 一个小问题，调用Workbook.Calculate()会强制重新计算所有单元格吗？
不管调用GetValue()或者调用Calculate()，都只计算状态为Dirty的单元格，所以调用Workbook.Calculate()不会重新计算所有单元格，只计算那些状态为Dirty的单元格，只有先调用Workbook.Dirty(),再调用Workbook.Calulate()才会重新计算所有的单元格。
:i0tw:
页:
[1]