R语言实时出租车调度程序循环逻辑性能优化

核心业务规则 #

• 派单遵循最近邻城市规则，同步管理出租车可用状态：出租车接单后1小时内不可用，1小时后自动恢复可接新单状态
• 若请求发起城市的自有出租车不可用，则按城市距离由近到远依次检索后续城市的可用出租车，直到找到可用车辆完成派单

固定表结构说明（所有表名、字段名、代码标识保持原有定义不做修改） #

• taxi_manage：出租车可用性管理表，每个城市仅配置1辆出租车，城市以数字邮编编码标识
  • 字段包含：taxi_number（车号）、city（所属城市编码）、time_end（服务结束时间）、available（可用状态），配套提供处理前初始数据示例
• city_distance：城市间距离表，用于查询距请求城市最近的城市排序
  • 字段包含：city、city_2、distance，配套提供示例数据
• taxi_request：打车请求主表，存储所有打车请求，最终需填充每条记录对应的selected_taxi（接单车辆号）
  • 配套提供初始请求数据、处理后预期结果示例：例如id=3的9:45请求，因00001号出租车9:30已结束上一单恢复可用，因此该单派给00001号车

现存性能问题 #

原有实现采用逐行遍历taxi_request的for循环逻辑：每次循环先过滤单条请求、全表更新出租车可用状态、关联距离表与出租车表筛选最近可用车辆、再全表更新出租车状态与请求表派单结果。
测试场景下将示例请求重复10400倍模拟百万级大流量，原有逻辑处理耗时极长，仅能在小样本数据上正常运行，无法支撑大数据量场景。

可落地优化方案 #

• 前置排序与缓存预处理
  首先对taxi_request全量数据按请求时间做升序排序，所有请求严格按时间先后顺序处理，避免每次循环全表扫描请求数据。提前加载全量city_distance数据，为每个城市预生成按距离升序排列的邻接城市列表缓存，派单时直接读取缓存结果，无需每次循环关联距离表做排序计算。
• 取消循环内全表状态更新
  废弃每次处理请求时全表扫描taxi_manage更新available字段的逻辑：处理当前请求时，仅需判断目标出租车的time_end是否早于等于当前请求时间即可判定是否可用，无需批量更新全表状态；available字段可在派单流程全部走完后做批量异步落库，无需每次派单就刷新全表。
  为taxi_manage表按city字段建立索引，同时维护内存级可用出租车映射：key为城市编码，value为对应出租车的taxi_number、time_end信息，查可用车时直接读取内存数据，避免反复查询数据库。
• 批量写入替代逐行IO
  派单结果采用攒批写入策略（例如每处理完1000条结果做一次批量update）写入taxi_request表，taxi_manage表的time_end字段更新也同步做攒批处理，大幅减少数据库IO交互次数。
• 检索范围剪枝
  因出租车单次服务周期固定为1小时，处理每个请求时，可直接跳过所有time_end晚于当前请求时间的车辆检索，结合预生成的邻接城市列表，找到第一辆可用车即可终止检索，缩小每次查找的遍历范围。

内容的提问来源于stack exchange，提问作者Daoudi Karim