技术

对容器云平台的理解 Prometheus 源码分析 并发的成本 基础设施优化 hashicorp raft源码学习 docker 架构 mosn细节 与微服务框架整合 Java动态代理 编程范式 并发通信模型 《网络是怎样连接的》笔记 go细节 codereview mat使用 jvm 线程实现 go打包机制 go interface及反射 如何学习Kubernetes 《编译原理之美》笔记——后端部分 《编译原理之美》笔记——前端部分 Pilot MCP协议分析 go gc 内存管理玩法汇总 软件机制 istio流量管理 Pilot源码分析 golang io 学习Spring mosn源码浅析 MOSN简介 《datacenter as a computer》笔记 学习JVM Tomcat源码分析 Linux可观测性 MVCC 学习存储 学计算 Gotty源码分析 kubernetes operator kaggle泰坦尼克问题实践 kubernetes自动扩容缩容 神经网络模型优化 直觉上理解机器学习 knative入门 如何学习机器学习 神经网络系列笔记 TIDB源码分析 《阿里巴巴云原生实践15讲》笔记 Alibaba Java诊断工具Arthas TIDB存储——TIKV 《Apache Kafka源码分析》——简介 netty中的线程池 guava cache 源码分析 Springboot 启动过程分析 Spring 创建Bean的年代变迁 Linux内存管理 自定义CNI IPAM 扩展Kubernetes 副本一致性 spring redis 源码分析 kafka实践 spring kafka 源码分析 Linux进程调度 让kafka支持优先级队列 Codis源码分析 Redis源码分析 C语言学习 《趣谈Linux操作系统》笔记 docker和k8s安全机制 jvm crash分析 Kubernetes监控 Kubernetes 控制器模型 Prometheus 学习 容器日志采集 容器狂占cpu怎么办? Kubernetes资源调度——scheduler 时序性数据库介绍及对比 influxdb入门 maven的基本概念 《Apache Kafka源码分析》——server Kubernetes objects之编排对象 源码分析体会 《数据结构与算法之美》——算法新解 Kubernetes源码分析——controller mananger Kubernetes源码分析——apiserver Kubernetes源码分析——kubelet Kubernetes介绍 ansible学习 Kubernetes源码分析——从kubectl开始 jib源码分析之Step实现 kubernetes实践 jib源码分析之细节 线程排队 跨主机容器通信 jib源码分析及应用 为容器选择一个合适的entrypoint kubernetes yaml配置 《持续交付36讲》笔记 mybatis学习 程序猿应该知道的 无锁数据结构和算法 CNI 为什么很多业务程序猿觉得数据结构和算法没用? 串一串一致性协议 当我在说PaaS时,我在说什么 《数据结构与算法之美》——数据结构笔记 PouchContainer技术分享体会 harbor学习 用groovy 来动态化你的代码 《深入剖析kubernetes》笔记 精简代码的利器——lombok 学习 编程语言的动态性 rxjava3——背压 rxjava2——线程切换 spring cloud 初识 《深入拆解java 虚拟机》笔记 《how tomcat works》笔记 hystrix 学习 rxjava1——概念 Redis 学习 TIDB 学习 分布式计算系统的那些套路 Storm 学习 AQS1——论文学习 Unsafe Spark Stream 学习 linux vfs轮廓 mysql 批量操作优化 《自己动手写docker》笔记 java8 实践 中本聪比特币白皮书 细读 区块链泛谈 比特币 大杂烩 总纲——如何学习分布式系统 hbase 泛谈 forkjoin 泛谈 看不见摸不着的cdn是啥 《jdk8 in action》笔记 程序猿视角看网络 bgp初识 calico学习 AQS2——粗略的代码分析 我们能用反射做什么 web 跨域问题 《clean code》笔记 硬件对软件设计的影响 《Elasticsearch权威指南》笔记 mockito简介及源码分析 2017软件开发小结—— 从做功能到做系统 《Apache Kafka源码分析》——clients dns隐藏的一个坑 《mysql技术内幕》笔记2 《mysql技术内幕》笔记1 log4j学习 为什么netty比较难懂? 回溯法 apollo client源码分析及看待面向对象设计 学习并发 docker 环境(主要运行java项目)常见问题 Scala的一些梗 OpenTSDB 入门 spring事务小结 事务一致性 javascript应用在哪里 《netty in action》读书笔记 netty对http2协议的解析 ssl证书是什么东西 http那些事 苹果APNs推送框架pushy apple 推送那些事儿 编写java框架的几大利器 java内存模型 java exception Linux IO学习 network channel network byte buffer 测试环境docker化实践 netty(七)netty在框架中的使用套路 Nginx简单使用 《Linux内核设计的艺术》小结 Go并发机制及语言层工具 Macvlan Linux网络源代码学习——数据包的发送与接收 《docker源码分析》小结 docker中涉及到的一些linux知识 hystrix学习 Linux网络源代码学习——整体介绍 zookeeper三重奏 数据库的一些知识 Spark 泛谈 链式处理的那些套路 netty(六)netty回顾 Thrift基本原理与实践(二) Thrift基本原理与实践(一) 回调 异步执行抽象——Executor与Future Docker0.1.0源码分析 java gc Jedis源码分析 Redis概述 机器学习泛谈 Linux网络命令操作 JTA与TCC 换个角度看待设计模式 Scala初识 向Hadoop学习NIO的使用 以新的角度看数据结构 并发控制相关的硬件与内核支持 systemd 简介 异构数据库表在线同步 quartz 源码分析 基于docker搭建测试环境(二) spring aop 实现原理简述 自己动手写spring(八) 支持AOP 自己动手写spring(七) 类结构设计调整 分析log日志 自己动手写spring(六) 支持FactoryBean 自己动手写spring(九) 总结 自己动手写spring(五) bean的生命周期管理 自己动手写spring(四) 整合xml与注解方式 自己动手写spring(三) 支持注解方式 自己动手写spring(二) 创建一个bean工厂 自己动手写spring(一) 使用digester varnish 简单使用 关于docker image的那点事儿 基于docker搭建测试环境 分布式配置系统 JVM内存与执行 git spring rmi和thrift maven/ant/gradle使用 再看tcp 缓存系统 java nio的多线程扩展 《Concurrency Models》笔记 回头看Spring IOC IntelliJ IDEA使用 Java泛型 vagrant 使用 Go常用的一些库 Python初学 Goroutine 调度模型 虚拟网络 《程序员的自我修养》小结 VPN(Virtual Private Network) Kubernetes存储 Kubernetes 其它特性 访问Kubernetes上的Service Kubernetes副本管理 Kubernetes pod 组件 使用etcd + confd + nginx做动态负载均衡 如何通过fleet unit files 来构建灵活的服务 CoreOS 安装 CoreOS 使用 Go学习 JVM类加载 硬币和扑克牌问题 LRU实现 virtualbox 使用 ThreadLocal小结 docker快速入门

标签


函数式编程

2018年09月12日

简介

可预先看下 java 语言的动态性 类型系统 部分 内容

为什么开始热门了?不管是面向过程,还是面向对象,解决的都还是代码组织问题。我们知道,软件生命周期 最大的过程是维护,维护基本就是debug,debug过程中又会产生新的bug。那么换个思路,干脆在编程阶段,如何编写 易维护的代码?换句话说,哪些因素导致代码容易出bug?函数式编程 在某些层面规避了这些。

编程范式异同

声明式编程范式初探

命令式编程是行动导向(Action-Oriented)的,因而算法是显性而目标是隐性的;声明式编程是目标驱动(Goal-Driven)的,因而目标是显性而算法是隐性的。声明式编程是人脑思维方式的抽象,即利用数理逻辑或既定规范对已知条件进行推理或运算。已知 ==> 未知。

命令式编程中的变量本质上是抽象化的内存,变量值是该内存的储存内容。声明式编程让我们重回数学思维:函数式编程类似代数中的表达式变换和计算,逻辑式编程则类似数理逻辑推理。其中的变量也如数学中的一样,是抽象符号而非内存地址,因此没有赋值运算,不会产生变量被改写的副作用(side-effect),也不存在内存分配和释放的问题。

声明式语言与命令式语言的相通之处

  1. 首先,所有高级语言都建立于低级语言之上,最终转化为机器语言,声明式语言也不例外。
  2. 其次,声明式语言与命令式语言并非泾渭分明,而是互相交叉渗透的。一些‘非纯粹’ 的声明式语言也提供变量赋值和流程控制,而一些命令式语言也在逐渐发展,通过利用其他程序或增加新的语言特征来实现声明式编程。

总的说来,在命令式语言中融入声明式的元素应当是一种趋势。尤其是函数式,它的一些特征已经在许多命令式语言中得到了支持。

既然声明式编程有这么多好处,为什么命令式语言不仅占大多数,而且流行程度也不减呢?编程语言的流行程度与其擅长的领域关系密切。声明式语言——尤其是函数式语言和逻辑式语言——擅长基于数理逻辑的应用,如人工智能、符号处理、数据库、编译器等,对基于业务逻辑的、尤其是交互式或事件驱动型的应用就不那么得心应手了。而大多数软件是面向用户的,交互性强、多为事件驱动、业务逻辑千差万别,显然命令式语言在此更有用武之地。PS:《数据结构与算法之美》——算法新解 这一点就好比 你不搞垃圾过滤不知道贝叶斯,不搞人工智能不知道数学有用一样。

《反应式设计模式》

2019.3.24补充

在1995年到2008年的这段时期,可谓是函数式编程的”中世纪“,C++/Java等编程语言的使用率不断增加,而命令式的、面向对象的编程风格成为编写应用程序和解决问题最流行的方式。终于,多核心cpu的到来为并行化开辟了新机会, 在这样的环境中,具有副作用的命令式编程结构可能难以为继。这引领函数式编程进入了”文艺复兴“时期,许多编程语言都包含来自函数式编程中的结构成分,因为这些成分可以更好地帮助分析推导并发和并行应用程序中的问题

函数式编程的本质:洞察到程序实际上可以按照纯粹的数学函数来编写;也就是说,每次给这些函数传递相同的输入时,它们将总是返回相同的值,并且不会产生副作用。在函数式编程中编写代码类似于在数学中组合函数。

争用是在多核心cpu上运行的代码最大的性能杀手

不可变性

当一个变量可在不同时刻指向不同的值时,它就被称为具有可变的状态。对不可变的数据执行任何操作都将创建一个新的数据结构,其保存了更改后的结果。

最好使用编译器而不是约定来强制不可变性,这也就意味着将值传递给构造函数,而不是调用setter,并使用编程语言的特性,如Java中的final 以及Scala 中的val。java 并不会让一切都默认不可变,(所以通常要动点手脚),Scala的case class 则默认提供了不可变性。

如果将一个表达式替换为其求值后的结果,对程序(其它部分)的执行不产生影响,这个表达式便可称为引用透明。例如在不可变列表中添加、删除或者更新一个值的行为,将会产生一个具有修改后的值的新列表,程序中任何仍然使用该原始列表的部分都不会看到对该列表的更改。PS:从中可以看到,不可变/引用透明有助于提高 可以并行执行的代码比例

函数作为第一公民

函数作为第一公民 目的是当让代码根据组合性。

左耳听风

20189.29 补充:来自《左耳听风》课程

在编程这个世界中,更多的编程工作是解决业务上的问题,而不是计算机的问题。所以内存操作 等这些事情 尽量不要反应到 业务代码上来。

代码 = 控制 + 逻辑,代码在描述 你要干什么,而不是怎么干。map/reduce 是控制,toUpper/sum 是业务逻辑。函数式编程固化/隐藏了“控制”代码,使得“逻辑” 代码的编写显式化了。

在皓哥文章末的评论中,有用户提到:面向对象编程和函数式编程 他们的关注点不一样,面向对象编程 帮助你设计更复杂的应用程序,函数式编程帮助你简化更复杂的计算。所以,我们学东西不是为了腾笼换鸟,而是胸有谋划,师夷长技。

柯里化

def inc(x):
	def incx(y):
		return x+y
	return incx

incc = inc(2)
inc5 = inc(5)

print inc2(5)	// output 7
print inc5(5) // output 10

大牛 从参数分解的角度 对柯里化 的描述是:将一个函数的多个参数 分解成多个函数,然后将函数多层封装起来,每层函数都返回一个函数去接收下一个参数,这样可以简化函数的多个参数。

装饰器

皓哥用专门一章讲了装饰器, 从全文看,比较好玩的是皓哥如何将装饰器模式、linux 管道、代码层面的编排、pipeline 联系到一起的。

shell 命令

ps auwwx | awk '{print $2}' | sort -n | xargs echo

抽象成函数式的样子(函数嵌套)

xargs(echo,sort(n,awk('print $2',ps(auwwx))))

也可以将函数放进数组里,此处可能需要对三个方法进行修饰(Decorator), 以便将普通函数管道化

pids = for_each(result,[ps_auwwx,awk_p2,sort_n,xargs_echo])

如果我们将这些函数当做微服务,那么管道其实在做服务的编排(再往下有类的编排、方法的编排)。

对于pipeline 式的代码,体现在java中便需要定义pipeline、Step/Stage等接口,然后自定义逻辑实现Step/Stage接口(如果逻辑是已经写好的,还需Decorator 修一下),最后由pipeline 驱动执行。而函数作为“第一公民”后,设计模式的三大类创建、行为、结构中的行为型模式 都可以由函数嵌套、函数参数、函数返回值等直接实现(函数层面),无需上升java的类/接口层面了。换句话说,设计模式由类/接口层面(java 提到设计模式都会有一个复杂的类图) 下沉到 函数层面了,将一些功能或逻辑代码 通过函数的拼装(因此才有了柯里化 和 高阶函数等)来组织。这也可说是 函数式编程的一个体现了吧。

我们弄个小节专门讲下

基本概念

    函数的概念 其它
函数式编程   一种东西和另一种东西之间的对应关系。 至于什么柯里化、什么数据不可变,都只是外延体现而已。
命令式编程 面向过程、面向对象等 一个步骤  
object HelloWorld  {  
  def main(args: Array[String]): unit = {  
    args.filter( (arg:String) => arg.startsWith("G") )  
        .foreach( (arg:String) => Console.println("Found " + arg) )  
  }  
} 

函数式的代码是“对映射的描述”,查看scala中filter函数的源码,或许更能体会对映射的描述的感觉。

class Array[A]{  
    // ...  
   def filter  (p : (A) => Boolean) : Array[A] = ... // not shown  
} 

什么是函数式编程思维?

当我在说函数也是一个对象时,我在说什么:函数作为参数进行传递、把它们存贮在变量中、或者当作另一个函数的返回值

函数不是方法,方法指的是类或对象中定义的函数,方法中的this引用会隐性的指向某一对象。比如(s:String) => s.toUpperCase()便是一个函数,它是独立的,没有通过this与一个对象相关联。函数不是方法,但在某些时候,会将方法归入函数。

scala函数中,有偏函数一说,限定了函数的输入。还有柯里化函数,A way to write functions with multiple parameter lists. For instance
def f(x: Int)(y: Int) is a curried function with two parameter
lists. A curried function is applied by passing several arguments
lists, as in: f(3)(4). However, it is also possible to write a partial
application of a curried function, such as f(3).

比如"hello world"可以称为String字面量,那么(s:String) => s.toUpperCase可以称为函数字面量。

函数没有副作用,比如没有全局对象被修改。当一个函数采用其它函数作为变量或返回值时,它被称为高阶函数。

函数可以内嵌。

一个方法的极简定义def id = Match.random,完整形式def def():Unit = Match.random

定一个函数类型的值(注意是函数不是方法)var greetVar:String => String = (name) => "Hello" + name, 分为三个部分

  1. var greetVar
  2. 类型 String => String
  3. “Hello” + name

一个方法可以赋给一个函数类型的变量val gr = greet _,此处greet是一个方法名。

在该小节中,笔者因为水平和对scala的认识有限,还未能精确描述函数式编程的精髓

  1. 从基本组成和相互关系的角度来描述,面向对象的基本组成是类和对象,基本组成的相互关系是继承、聚合等。函数式编程基本组成是函数、偏函数等,函数与函数关系可以是调用、内嵌、返回等。当然,面向对象和函数编程是两个维度的东西,对比不太合适。
  2. 笔者学习spark的时候,了解到,你对data set的一系列函数式调用,并不会被立即执行。比如对一个数据集,你先过滤男性、又将值翻番。从执行角度看,不会是把数据拿出来,先for循环一把过滤,再for循环一把每个值乘以2。一系列的函数调用更像是一个执行计划,spark会优化这些计划的执行,最终可能一次for循环就好了。

函数式编程对java设计模式的影响——refactoring object-oriented design patterns with lambdas

以前分析java 项目,通常会有一个复杂的类图 描述基本抽象及依赖关系。那么通过高阶函数,可以减少类的数量,依赖关系直接成了参数。因此,高阶函数 有利于 简化复杂项目类图的 层次 及 一些边缘抽象。

函数式编程 对传统设计模式的影响(这是个大话题)

  1. 很多角色 不需要专门的类,比如jib 中Observer 就使用jdk8 自带的Consumer 替代了。
  2. 高阶函数:一个类本来可以有很多方法,现在都一个主要方法(执行主流程),然后传入Function、Consumer(表示策略) 代替了,模板模式、策略模式基本都消亡了。
  3. 逻辑聚合越来越普遍了,以前只是数据聚合(比如一个配置类聚合其它配置类,形成一个更大的配置类)。jib-core 很多地方拿Runnable 当成员到处传着玩。反过来说,逻辑更容易被拆分,参见Consumer.andThen

     @FunctionalInterface
     public interface Consumer<T> {
         void accept(T t);
         default Consumer<T> andThen(Consumer<? super T> after) {
             Objects.requireNonNull(after);
             return (T t) -> { accept(t); after.accept(t); };
         }
     }
    

此外,从jib-core event 设计中还可以看到一点,用更多Functional interface 对象 替代 if else 逻辑,比如 Jib 中的Handler 只会处理一个特定类型的事件。代码中会有更多的对象、funciton,但每个对象和function 都更简单。

How Functional Programming will (Finally) do Away With the GoF Patterns

  1. A lot of the GoF design patterns stem from a time when EVERYTHING needed to be an object. Object orientation was the new holy grail, and people even wanted to push objects down into databases. Object databases were invented (luckily, they’re all dead) and the SQL standard was enhanced with ORDBMS features. 面向对象领域,“一切皆对象”是最高准则,人们甚至想把对象存到数据库里去。
  2. Since Java 8, finally, we’re starting to recover from the damage that was made in early days of object orientation in the 90s, and we can move back to a more data-centric, functional, immutable programming model where data processing languages like SQL are appreciated rather than avoided, and Java will see more and more of these patterns, hopefully.

这部分内容非常重要,在函数式编程的设计模式 有专门阐述。

一些代码技巧

在java8 的List 接口中,存在一个default method

void sort(Comparator<? super E> c)

对应java.util.Collections 中的sort 方法

 public static <T> void sort(List<T> list, Comparator<? super T> c) {
    list.sort(c);
}

编程的本质 中 可以知道 程序 = 控制 + 逻辑(这与函数式编程理念是非常契合的)。在这里的sort方法中,排序是用冒泡还是插入是控制 ,与业务无关。而Comparator 描述的是逻辑,与业务紧密相关。

异步编程——Promise 中作者提了三个接口

interface Callback<R, V> {}
// 对输入采取一定的动作,没有返回
public interface Action<V> extends Callback<Void, V> {
    void call(V value) throws Throwable;
}
// 将输入转换为输出
public interface Func<R, V> extends Callback<R, V> {
	R call(V value) throws Throwable;
}
// 将输入转换为输出,异步
public interface AsyncFunc<R, V> extends Callback<R, V> {
	Promise<R> call(V value) throws Throwable;
}

实现一个完全符合函数式编程理念的项目很难,通常也很少有这样的机会。但在我们日常的代码中,多用用Action、Func、AsyncFunc 这类接口,却可以做到,可以在很大程度上提高代码的可读性。