我们在实践 ECS 框架时发现，之所以 ECS 的概念诞生于游戏领域，是因为游戏程序往往都在周期性的处理一批对象，进行运算，根据上个周期的状态得到下个周期的状态。而传统人机交互的应用则是响应型的：即一个外部请求触发一系列的业务运作。
如果你把游戏业务塞到响应型框架中，就会发现，不得不用时间去触发，业务响应的是 timer 。但这种情况下，timer 几乎没有携带任何状态，对单个 timer 的响应，是不可能做成无状态的：它本身就是整个游戏世界对上个状态的迭代。
这种情况下，响应式框架就很低效。
但是，如果框架完全做周期性自迭代，对外部输入事件的处理又远不如响应式框架灵活。
如果只是简单的操作输入还好，比如手柄，我们可以每帧把手柄各个按键的状态置入世界，那么 System 在不断迭代时，直接把这些状态当作世界中某个单例的状态就好了。但更复杂的输入就没那么好做了。
我们在一开始实践 ECS 框架时，很想保持整个模式的纯粹性，刻意回避了传统响应式框架里的东西，仅仅只添加了一个外部事件输入的消息队列。对于框架内部产生的事件，如组件的出生、销毁；内部对象的状态机状态切换引发的次生效应；物理系统抛出的事件，等等，都转换为状态的变化。由对应的 System 每帧去重复处理这些状态。
最近我觉得，刻意的在 ECS 框架中去回避一个事件系统是不对的。游戏业务本身也是一个混合体：混合了周期性的世界状态迭代模式和响应式业务处理模式。
所以我下决心给 ECS 框架增加一个完备的消息发布订阅模块。
由于我们的框架是用 Lua 编写的，所以这样一个模块可以做的远比 C/C++ 的类似框架更灵活。我们的每条消息都是一个 key/value 元组，用 lua table 承载，例如：{ type = "new" , eid = 42 } 就是一条消息，表示一个 id 为 42 的 entity 创建出来了。而鼠标消息则可能是 { type = "mouse", action = "move", x = 100, y = 200 } 。
所有的消息都通过 world:pub(message) 来发布出去。
而任何 System 都可以通过 mailbox = world:sub(pattern) 来订阅满足一类 pattern 的消息。这个 pattern 也是一个 key/value 元组，比如 { type = "new" } 表示关注所有的 new 类型的消息；{ type = "mouse" } 可以跟住所有鼠标消息，{ type = "mouse", action = "move" } 则可以精确到鼠标的移动，{ eid = 42 } 可以关注到 42 号 entity 上发生的所有事情（通常用于 log）。
任何 system 都可以通过 for msg in mailbox:each() do 来枚举信箱里所有的消息，并清空信箱。
看看背后的实现：
时间复杂度最高的部分在于 pub 消息的时候，目前的实现中，pub 的那一刻就已经把消息分发到了所有之前 sub 过的 mailbox 中了，通常会有 n 个 mailbox 关心这条消息。每个 mailbox 就是一个队列，所以迭代反而很简单。
我们的消息匹配（message matching）很灵活，规则却很简单：pattern 中的每一个 key/value 就是一个过滤条件，只有消息满足所有的条件，才会被投递到对应的 mailbox 中。如果不加优化，pub 的时间复杂度是 O(n*m) 的，n 是消息的长度，m 是系统中的 mailbox 数量。
但优化也比较容易，在 sub 时，建立索引 cache ，用空间换时间即可。
例如：在一次 sub 的 pattern 中，出现了一条 type = "new" 的条件，那么就建立一个 type:new 的索引表，把所有满足这个条件的 mailbox 都放在一个集合（候选集）中；同时不满足这个条件的 mailbox 也放入一个集合（排除集）。
其中，满足条件指明确写了 type = "new" 这个条件的 pattern 或是 pattern 中没有 type 这个 key 。不满足条件指，pattern 中有 type 这个 key 但 value 不是 "new" 。
这样，pub 一条消息时，根据消息中的一项，就能 O(1) 快速判断，这个条件能排除哪些 mailbox ，以及哪些 mailbox 是潜在的候选者。遍历完消息后，依然留在候选者名单中的 mailbox 就是筛选出来的。因为每次处理一个条件，最终候选集都会减小。为了减少比较次数，还可以对消息中所有条件对应的候选集的大小排序，先过滤候选集较小的那个条件，
这样，这个过程虽然还是 O(n * m) ，但 m 是最短候选集的长度而不是所有 mailbox 的个数，大多数条件对应的 m 为 0 （没有人关心）。
如果实际使用的时候，筛选条件五花八门，可能导致 cache 索引集占内存过多，我认为可以用元表机制做一些合并，或是标注一些条件不生成 cache ，而是退化成遍历的方式检查。
另外，对于常用的条件组合，还可以生成联合索引 cache 。当然，这些都是以后可以优化的地方。