数据加载引擎

Gato GraphQL 使用服务端组件来表示数据模型（而非图或树）。让我们来看看它是如何执行数据加载流程以解析 GraphQL Query 的。

为了处理数据，我们必须将组件扁平化为类型（<FeaturedDirector> => Director、<Film> => Film、<Actor> => Actor），按其在组件层次结构中出现的顺序排列（Director，然后是 Film，再然后是 Actor），并以「迭代」方式逐一处理，在每次迭代中获取各类型的对象数据：

服务器的数据加载引擎必须实现以下（伪）算法来加载数据：

准备阶段：

1. 准备一个空的队列，用于存储需要从数据库中获取的对象 ID 列表，按类型组织（每个条目格式为：[类型 => ID 列表]）
2. 获取特色导演对象的 ID，并以类型 Director 将其放入队列

循环直到队列中没有更多条目：

1. 从队列中取出第一个条目：类型和 ID 列表（例如：Director 和 [2]），并将此条目从队列中移除
2. 使用该类型的 TypeDataLoader 对象，对数据库执行单次 Query，获取该类型中具有这些 ID 的所有对象
3. 如果该类型有关联字段（例如：类型 Director 有类型 Film 的关联字段 films），则从当前迭代中检索到的所有对象中收集这些字段的所有 ID（例如：所有 Director 类型对象的 films 字段中的所有 ID），并将这些 ID 以相应类型放入队列（例如：将 ID [3, 8] 以类型 Film 放入队列）。

迭代结束时，我们将已加载所有类型的所有对象数据：

请注意，一个类型的所有 ID 会持续收集，直到该类型在队列中被处理为止。例如，如果我们向类型 Director 添加关联字段 preferredActors，这些 ID 将以类型 Actor 放入队列，并与类型 Film 的 actors 字段中的 ID 一起处理：

但是，如果某个类型已被处理，之后又需要从该类型加载更多数据，则会对该类型进行新一轮迭代。例如，向 Author 类型添加关联字段 preferredDirector，将使类型 Director 再次被加入队列：

现在我们已获取所有对象数据，需要将其整形为预期的响应结构，以反映 GraphQL Query 的形式。然而，如您所见，数据并不具备所需的树形结构。相反，关联字段包含的是嵌套对象的 ID，模拟了关系型数据库中的数据表示方式。因此，按照这种类比，每种类型所获取的数据可以用表格来表示，如下所示：

类型 Director 的表格：

类型 Film 的表格：

类型 Actor 的表格：

将所有数据以表格形式组织好，并了解各类型之间的关联关系（即 Director 通过字段 films 引用 Film，Film 通过字段 actors 引用 Actor），GraphQL 服务器便可轻松将数据转换为预期的树形结构：

最终，GraphQL 服务器输出该树形结构，即预期响应的形式：

{
  data: {
    featuredDirector: {
      name: "George Lucas",
      country: "USA",
      avatar: "george-lucas.jpg",
      films: [
        {
          title: "Star Wars: Episode I",
          thumbnail: "episode-1.jpg",
          actors: [
            {
              name: "Ewan McGregor",
              avatar: "mcgregor.jpg",
            },
            {
              name: "Natalie Portman",
              avatar: "portman.jpg",
            }
          ]
        },
        {
          title: "Star Wars: Episode II",
          thumbnail: "episode-2.jpg",
          actors: [
            {
              name: "Natalie Portman",
              avatar: "portman.jpg",
            },
            {
              name: "Hayden Christensen",
              avatar: "christensen.jpg",
            }
          ]
        }
      ]
    }
  }
}Copy

​

分析方案的时间复杂度

让我们分析数据加载算法的大 O 表示法，以了解随着输入数量的增长，对数据库执行的 Query 数量如何增长，从而确认此方案具有良好的性能。

数据加载引擎按各类型对应的迭代加载数据。在开始某次迭代时，它已经拥有需要获取的所有对象的所有 ID 列表，因此可以执行单次 Query 来获取相应对象的所有数据。由此可得，对数据库的 Query 数量将随 Query 中涉及的类型数量线性增长。换言之，时间复杂度为 O(n)，其中 n 是 Query 中的类型数量（但如果某个类型被迭代多次，则需在 n 中多次计入）。

此方案性能非常优越，远好于处理图时预期的指数级复杂度，以及处理树时预期的对数级复杂度。

​

已实现的 PHP 代码

数据加载流程发生在包 Component Model 中类 Engine 的函数 getComponentData 中。