为了计算医院科室的绩效工资，我们会涉及到很多指标，比如：门诊量、床位数量、收入、支出等；这些指标大约有100个。会有数百个部门！这样的话，这些指标的计算就会和本部门的其他指标相关，也可能和其他部门的指标相关，导致总共有几万个公式。我想找到一个工具、算法或者库来实现这个业务场景；您可以定义指标和公式来记录之前的相关性。最后，当指标发生变化时，只计算后续的相关指标，而不是全部从头计算。
目前感觉可以用bpmn2.0来定义这些指标和关系，或者用networkx DAG来实现？那么我们还需要apache Spark这样的工具作为计算引擎吗？
要处理数百个相关指标的计算，您可以使用 DAG（有向无环图）和 networkx 库来对指标之间的依赖关系进行建模（例如，门诊量取决于其他指标）。当指标发生变化时，仅使用拓扑排序重新计算其依赖指标以确定正确的更新顺序。这避免了从头开始重新计算一切。对于较大的数据集或并行计算，像 Apache Spark 这样的工具可能会有所帮助，但可能不是必需的，除非性能成为瓶颈。