WooCommerce 角色折扣如何优化数组遍历与商品查找性能?
结论:采用方案 C,但先确认整箱数量的计算范围
当前配置中,每个商品对应一种箱规。方案 C 更便于维护和扩展:先检查用户角色,再用商品 ID 查找箱规,遍历一次购物车并直接累加折扣。
已经初始化的空数组可以直接用于 foreach,不需要额外调用 !empty()。重复检查角色会带来多少耗时差距,需要实际测量。当前代码更值得优化的是商品查找和不必要的中间数组。
重构前要先确认整箱数量如何计算:按购物车行凑箱、按商品合并凑箱,还是允许同箱规商品混装。原代码按商品 ID 保存中间结果,可能覆盖同一商品的其他购物车行;方案 C 按行计算,因此两者在某些购物车中可能得出不同结果。
方案 A 和 B 实际上没有展示重复角色检查
两份整箱折扣代码都按以下顺序执行:
- 初始化商品数组和结果数组。
- 遍历购物车,查找商品所属箱规。
- 执行一次
in_array($discount_role, $user_roles)。 - 如果角色符合,再遍历各结果数组计算折扣。
非批发客户虽然不会获得折扣,仍会执行前面的购物车遍历、商品判断和价格读取。
方案 B 将部分数组赋值改成了数组字面量,并把折扣比例直接写成 5,但没有改变主要算法结构,也没有把角色判断移到函数开头。
两份代码都没有使用 !empty()。方案 B 还注册了用于最低购买数量折扣的 custom_discount()。比较整个代码片段的运行时间时,这个额外回调也会参与执行,不能把它的耗时归因于整箱折扣的写法。
要提前退出,应将判断放在商品配置和购物车循环之前:
$current_user = wp_get_current_user();
if (!in_array('wholesale_customer', (array) $current_user->roles, true)) {
return;
}
第三个参数 true 表示使用严格比较。角色名称是字符串,显式使用严格比较可以让判断语义更清楚。
重复检查有成本,但不能据此推断实际提速比例
假设用户有 R 个角色,需要保护 K 个循环,且每次检查的角色数组相同:
- 在每个循环前检查一次角色,检查部分最坏需要
O(KR)。 - 在外层检查一次,检查部分最坏需要
O(R)。
两者的区别在于查找次数。外层包裹多个循环本身没有什么特殊的 PHP 引擎优化。
用户角色数组通常较小。没有测量数据,无法判断少做几次角色检查是否会影响实际请求延迟。提前退出的收益更直接:不符合角色的用户可以跳过整个商品遍历。
还要区分“每个循环前检查一次”和“循环内每个商品都检查一次”。后者的检查次数会随商品数量增长,应优先移出循环。
空数组可以直接执行 foreach
以下代码在 PHP 8.x 中不会因为数组为空而触发 Warning,循环体会执行零次:
$products = [];
foreach ($products as $product) {
// No iterations.
}
因此,对于已确定为数组的变量,下面这一层判断没有必要:
if (!empty($products)) {
foreach ($products as $product) {
// ...
}
}
空数组和无效的遍历对象需要区别对待。未定义变量、null、布尔值等不能按空数组处理,可能产生 Warning。数据来自不确定的外部输入时,应验证其类型;当前代码已经将这些变量初始化为数组,不存在这个问题。
查找表改善的是商品匹配过程
设购物车有 N 行,全部优惠配置中共有 M 个商品 ID,并假设每个商品只属于一种箱规。
方案 A 和 B 对每行商品分别执行多个 in_array()。这些商品数组的长度加起来为 M,因此商品匹配部分最坏为 O(NM)。后面的几个 foreach 是顺序执行的,成本按遍历元素总数相加;多个循环并不等于多层嵌套。
方案 C 使用 PHP 数组的键查找,单次查找通常可以按平均 O(1) 分析。计入配置表的构建成本后,整体通常可表示为 O(M + N)。
这个分析有两个边界:
- 平均
O(1)不保证任何情况下都是严格的常数时间。 - 如果
M始终固定,两种方案相对于N都是线性增长;查找表减少了重复扫描,也更适合配置规模增长的情况。
直接累加可以去掉五个中间结果数组和后续折扣循环。查找表本身也需要内存,因此不能断言整个实现始终使用更少内存。
这里的映射值都是正整数,所以可以使用 isset($product_box_sizes[$product_id])。如果将来允许值为 null,isset() 会返回 false;需要区分“键不存在”和“键存在但值为 null”时,才需要考虑 array_key_exists()。
按购物车行计算的重构示例
示例保留了原来的商品 ID、箱规、5% 比例和整箱数量公式,假设购买数量是非负整数,且每行独立凑箱。
用它替换原来的 apply_discount_for_quantity() 及其注册语句,避免同时保留多份整箱折扣回调。
<?php
if (!defined('ABSPATH')) {
exit;
}
function apply_discount_for_quantity($cart)
{
if (
is_admin()
&& !(defined('DOING_AJAX') && DOING_AJAX)
) {
return;
}
$current_user = wp_get_current_user();
if (!in_array('wholesale_customer', (array) $current_user->roles, true)) {
return;
}
$product_box_sizes = [
969 => 8,
273 => 9,
274 => 9,
275 => 9,
290 => 9,
277 => 9,
419 => 10,
473 => 12,
475 => 12,
478 => 12,
479 => 12,
500 => 12,
967 => 12,
501 => 12,
502 => 12,
276 => 12,
291 => 12,
358 => 12,
359 => 12,
380 => 12,
11613 => 12,
444 => 15,
446 => 15,
445 => 15,
];
$discount_rate = 5 / 100;
$total_discount_amount = 0.0;
foreach ($cart->get_cart() as $item) {
$product_id = (int) $item['product_id'];
if (!isset($product_box_sizes[$product_id])) {
continue;
}
$box_size = $product_box_sizes[$product_id];
$qty = (int) $item['quantity'];
$eligible_qty = $qty - ($qty % $box_size);
if ($eligible_qty <= 0) {
continue;
}
$price = (float) $item['data']->get_price();
$total_discount_amount += $eligible_qty * $price * $discount_rate;
}
if ($total_discount_amount > 0) {
$cart->add_fee('Descuento por cantidad', -$total_discount_amount);
}
}
add_action('woocommerce_cart_calculate_fees', 'apply_discount_for_quantity');
商品符合配置且存在整箱数量时,代码才会读取价格。累计金额保留在函数局部,每次调用都重新计算,不应改成跨调用累积的全局变量或静态金额。
后台判断同时检查了 DOING_AJAX 的值。仅使用 defined('DOING_AJAX') 只能判断常量是否存在,无法判断其值是否为真。
重构前需要确认的计算规则
整箱数量按什么范围累计?
对于单行商品,现有公式可以算出整箱数量。例如箱规为 8、购买数量为 19:
$eligible_qty = 19 - (19 % 8); // 16
其中 16 件参与折扣,剩余 3 件不参与。公式没有要求全部购买数量必须整除箱规。
假设同一个商品出现在两行中,每行 4 件:
- 按行计算,两行都不足 8 件,折扣数量为 0。
- 先按商品合并数量,可以形成 8 件,折扣数量为 8。
原来的 $eligible_products_data_of_8[$product_id] = ... 不会合并数量:后写入的同商品记录会覆盖前一条。如果业务要求合并凑箱,需要明确汇总逻辑;如果各行价格不同,还要规定整箱折扣如何分配到这些价格上。
当前代码也没有把不同商品按箱规合并。若不同商品允许混装成箱,需要另行定义规则。
一个商品是否只对应一种箱规?
当前提供的商品配置没有交叉,ProductID => BoxSize 足以表达这种规则。
如果以后同一个商品允许多种箱规,单个键只能保存一个值,需要调整数据结构,并明确不同箱规之间的优先级或组合方式。原代码中的多个独立 if 在商品配置重叠时可能重复计入折扣,也不能直接当作正确的多箱规实现。
折扣金额采用什么价格口径?
整箱折扣使用 get_price(),最低数量折扣使用 line_total。两者取值表达式不同,不能直接假定它们在优惠券、动态定价等场景下始终等价。
示例保留了原整箱算法的价格来源。如果业务要求按优惠券后的金额、含税金额或其他金额计算,需要先确定口径,再调整计算方式。负数 add_fee() 也沿用了原方案;部署前应核对实际订单中的税额、优惠叠加和金额舍入结果。
如果变体需要不同箱规,还要确认映射应使用 product_id 还是 variation_id。当前代码继续使用原问题中的 product_id。
怎样验证性能差异
先比较相同业务范围、相同输入下的计算结果,再测运行时间。建议覆盖空购物车、非批发角色、不足一箱、整箱加零散数量,以及同商品多行等情况。
测量时可以使用 hrtime(true)。应先预热、重复运行,再比较多次结果的中位数,避免根据单次调用下结论。如果只想比较 in_array() 与键查找,应使用相同的内存数据,单独测量匹配逻辑;如果要判断用户能否感受到改善,还需要测量实际购物车请求。
方案 C 减少了重复查找和中间数据处理,但没有测量数据,就无法确定它会让当前商店快多少毫秒。
备注:内容仅供参考。
