[原创]函数式思维: 大量转换 同义词掩盖了相似性_Android, Python及开发编程讨论区_Weblogic技术|Tuxedo技术|中间件技术|Oracle论坛|JAVA论坛|Linux/Unix技术|hadoop论坛_联动北方技术论坛  
网站首页 | 关于我们 | 服务中心 | 经验交流 | 公司荣誉 | 成功案例 | 合作伙伴 | 联系我们 |
联动北方-国内领先的云技术服务提供商
»  游客             当前位置:  论坛首页 »  自由讨论区 »  Android, Python及开发编程讨论区 »
总帖数
1
每页帖数
101/1页1
返回列表
0
发起投票  发起投票 发新帖子
查看: 2986 | 回复: 0   主题: [原创]函数式思维: 大量转换 同义词掩盖了相似性        下一篇 
刘伟
注册用户
等级:少校
经验:938
发帖:82
精华:0
注册:2013-6-24
状态:离线
发送短消息息给刘伟 加好友    发送短消息息给刘伟 发消息
发表于: IP:您无权察看 2013-6-27 10:21:26 | [全部帖] [楼主帖] 楼主

关于本系列


本系列的目标是重新调整您对函数式思维的认识,帮助您以全新的方式思考常见问题,并寻找提升您的日常编码能力的方法。本系列文章将探讨函数编程概念、允许在 Java 语言中进行函数编程的框架、在 JVM 上运行的函数编程语言,以及语言设计的未来方向。本系列面向那些了解 Java 及其抽象工作原理,但对函数式语言不甚了解的开发人员。

函数式编程语言实现代码重用的方法与面向对象的语言不同,这个主题我在 “第 2 部分” 中进行了分析。面向对象的语言往往拥有众多可进行多种操作的数据结构,而函数式语言却只有极少数可进行多种操作的数据结构。面向对象的语言鼓励您创建特定于类的方法,而您可以捕获一些重复出现的模式,以便以后重用。函数式语言鼓励您将常见转换应用于数据结构,使用更高级的函数来定制特定实例的操作,从而帮助您实现重用。

相同的数据结构和操作出现在所有函数式语言中(也出现在支持 Java 中的函数式编程的众多框架中),但它们的名称通常是不同的。容易导致混淆的命名方式使得将一种语言的知识转换成另一种语言的知识变得十分困难,即使基础概念是完全相同的。

本期文章的目标是让这种转换变得简单一些。本文引入了一个简单问题,该问题要求制定一些策略并进行迭代,使用五种语言(Java、Groovy、Clojure、JRuby 和 Scala)和两种 Java 函数式框架(Functional Java 和 Totally Lazy)来实现该解决方案(请参阅 参考资料)。每种语言的实现都是相同的,但相关细节具有很大的出入。

普通 Java

本文涉及的问题是如何确定某个整数是否是质数,质数的因数只能是 1 及其本身。确定质数的算法有好几种(一些替代解决方案可在 “第 1 部分” 中找到);我将使用这样一种解决方案:首先确定数字的因数,然后检查所有因数的和是否等于该数字加1,从而确定该数字是否为质数。这并非最高效的算法,但我的目的是展示常用集合方法的不同实现,而非效率。

清单 1 显示了普通的 Java 版本:

清单 1. 普通的 Java 质数分类器


public class PrimeNumberClassifier {
       private Integer number;

       public PrimeNumberClassifier(int number) {
             this.number = number;
       }

       public boolean isFactor(int potential) {
             return number % potential == 0;
       }

       public Set<Integer> getFactors() {
             Set<Integer> factors = new HashSet<Integer>();
             factors.add(1);
             factors.add(number);
             for (Integer i = 2; i < number; i++)
             if (isFactor(i))
             factors.add(i);
             return factors;
       }

       public int sumFactors() {
             int sum = 0;
             for (int i : getFactors())
             sum += i;
             return sum;
       }

       public boolean isPrime() {
             return sumFactors() == number + 1;
       }
}

;

如果您阅读过以前的函数式思维 系列文章,就会觉得 清单 1 中 getFactors() 方法中的算法很熟悉,这种算法对候选因数进行了筛选。

Groovy


Groovy 在演变过程中增加了很多函数式构造,它们形成了清单 2 中所示的实现,这里的实现与 Java 中的实现有很大的差别:

清单 2. Groovy 质数分类器


class PrimeNumberClassifier {
       private int number;

       PrimeNumberClassifier(int number) {
             this.number = number
       }

       public def isFactor(int potential) {
             number % potential == 0;
       }

       public def getFactors() {
       (1..number).findAll { isFactor(it) }.toSet()
       }

       public def sumFactors() {
       getFactors().inject(0, {i, j -> i + j})
       }

       public def isPrime() {
             sumFactors() == number + 1
       }
}

;

清单 1 中具有相应功能的两个方法与 清单 2 中的方法有很大的出入,并不仅仅改变了它们的语法。首先是 getFactors()方法,它使用 Groovy 的 Range 类来表示候选的数字。findAll() 方法将代码块应用于集合的每个元素,返回一个列表,其中包含代码块为其返回 true 的项。该代码块接受单个参数,即需要检查的元素。我使用便利的 Groovy 简写法让代码块显得更加简洁。例如,可以将代码块写作 (1..number).findAdd {i-> isFactor(i) },但重复单个参数显得很累赘。Groovy 提供了 清单 2 中所示的选项,使用隐式的 it 来替代单独的参数。

清单 2 中其他值得注意的方法还有 sumFactors() 方法。使用 getFactors() 方法生成的数字集合时,我调用了Groovy 集合方法 inject() ,它执行了一次 fold 操作。inject() 方法使用第二个参数中提供的代码块来组合集合中的每个元素,并使用第一个参数作为初始的种子值。清单 2 中的代码块参数是 {i, j-> i + j},它返回两个数字的和。inject() 方法应用这个块,从第一个元素开始,依次到每个元素,计算列表中数字的和。

使用与更高级的函数组合在一起的函数式方法有时可能会导致代码密集。即使 清单 2 中的每个方法都是一行,将它们分解为单独的方法仍然是有好处的。按照功能对方法进行拆分,在当前问题的上下文中为它们各自提供一个有意义的名称,使得理解它们变得更容易。

Scala


清单 3 中给出了质数分类器的 Scala 版本:

清单 3. Scala 质数分类器


object PrimeNumberClassifier {
       def isFactor(number: Int, potentialFactor: Int) =
       number % potentialFactor == 0

       def factors(number: Int) =
       (1 to number) filter (isFactor(number, _))

       def sum(factors: Seq[Int]) =
       factors.foldLeft(0)(_ + _)

       def isPrime(number: Int) =
       sum(factors(number)) == number + 1
}

;

除了要短得多之外,Scala 版本还有其他许多不同之处。因为我只需要一个实例,所以我将该实例用作一个 object,而非class。factors() 方法使用相同的实现作为 清单 2 中的 Groovy 版本,但采用了不同的语法;我将 filter (Groovy 的findAll() 的 Scala 版本)方法应用于数字范围 (1 to number),使用 清单 3 的开始处定义的 isFactor() 方法作为断言。Scala 允许使用参数占位符,即这个示例中的 — _ 。

清单 3 中的 sum() 方法使用了 Scala 的 foldLeft() 方法,它等同于 Groovy 的 inject()。在本例中,我使用 0 作为种子值,并对两个参数都使用了占位符。

Clojure


Clojure 是一种 JVM 上的 Lisp 的实现,因此您在清单 4 中看到的语法截然不同:

清单 4. Clojure 质数分类器


(ns prime)

(defn factor? [n, potential]
(zero? (rem n potential)))

(defn factors [n]
(filter #(factor? n %) (range 1 (+ n 1))))

(defn sum-factors [n]
(reduce + (factors n)))

(defn prime? [n]
(= (inc n) (sum-factors n)))

;

清单 4 中的所有方法对于 Java 开发人员都很陌生,但这段代码实现了我一直使用的算法。(factor?) 方法负责检查余数(Clojure 中的 rem 函数)是否为 0。(factors) 方法使用了 Clojure 的 (filter) 方法,它接受两个参数。第一个参数是在每个元素上执行的断言代码块,返回一个 boolean 值结果,指示是否通过了过滤器的标准。#(factor? n %) 语法表示一个 Clojure 匿名函数,该函数使用了 Clojure 的 % 替代参数。(filter) 函数的第二个参数是要过滤的集合,在本例中是从 1 到我的目标数字加 1 之间的范围;该范围不包含上一个元素。

清单 4 中的 (sum-factors) 方法使用了 Clojure 的 (reduce) 方法,它与 Groovy 的 inject() 和 Scala 的 foldLeft() 方法意义相同。在本例中,操作是一个简单的 + 运算符,对于 Clojure 而言,它与接受两个参数并返回一个结果的其他任何方法并无区别。

如果您对这种语法还不熟悉,它可能会令人感到畏惧,而 Clojure 版本十分简洁。和在 Groovy 版本中一样,好的函数名称非常重要,即使每个函数都只占用了一行,因为行有时候很重要。

JRuby


JRuby 提供了 Ruby 的一种 JVM 实现,它在整个生命周期内也获得了很多函数式构造。请考虑清单 5 中提供的质数分类器的 (J)Ruby 版本:

清单 5. JRuby 质数分类器


class PrimeNumberClassifier
def initialize(num)
@num = num
end

def factor?(potential)
@num % potential == 0
end

def factors
(1..@num).select { |i| factor?(i) }
end

def sum_factors
factors.reduce(0, :+)
end

def prime?
(sum_factors == @num + 1)
end
end

;

清单 5 中的 factors 方法为 Groovy 的 findAll 方法以及 Scala 和 Clojure 的 filter 方法添加了 select 同义词。JRuby 的优秀特性之一是为方法起别名很容易,为在不同上下文中使用方法提供了更方便的名称。当然,JRuby 包含了 select 方法的一个别名,叫做 find_all,但这不是常见的习惯用法。

对于 清单 5 中的 sum_factors 方法,我使用了 JRuby 的 reduce 方法,模仿了其他几种语言。在 JRuby 中,和在 Clojure 中一样,运算符就是具有有趣名称的方法;Ruby 允许我按照符号指定加法方法的名称,:+。作为可读性方面的一种辅助手段,Clojure 与 Ruby 都允许我给期望返回布尔值的函数添加问号。而且与其本质一致,Ruby 包含 reduce 的一个 inject 方法别名。




函数式 Java

为了不忽略仍然使用 Java 变体的用户,一些函数式编程库为 Java 添加了函数式构造。函数式 Java 正是这样一种框架;清单 6 中给出了使用 Java 和函数式 Java 的质数分类器:

清单 6. 函数式 Java 质数分类器


public class FjPrimeNumberClassifier {
       private int number;

       public FjPrimeNumberClassifier(int number) {
             this.number = number;
       }

       public boolean isFactor(int potential) {
             return number % potential == 0;
       }

       public List<Integer> getFactors() {
             return range(1, number + 1)
             .filter(new F<Integer, Boolean>() {
                   public Boolean f(final Integer i) {
                         return isFactor(i);
                   }
             });
       }

       public int sumFactors() {
             return getFactors().foldLeft(fj.function.Integers.add, 0);
       }

       public boolean isPrime() {
             return sumFactors() == number + 1;
       }
}

;

清单 6 中的 getFactors() 方法在 range 上使用了 filter() 方法(和在 Clojure 中一样,该范围是专用的,它是范围定义中的number + 1)。因为 Java 没有更高级的函数,所以函数式 Java 使用其内置 F 类的匿名内部类实例,使用泛型参数化了类型,从而回避了这个问题。

和 Scala 一样,函数式 Java 包含一个 foldLeft() 方法,在本例中,该方法接受一个预定义的代码块,对数字和种子值求和。

Totally Lazy


Totally Lazy 是一个针对 Java 的函数式库,为 Java 添加了大量惰性 集合。惰性数据结构没有预先定义元素,而是对请求时如何生成下一个值的规则进行编码。清单 7 中给出了使用 Totally Lazy 实现的质数分类器:

清单 7. Totally Lazy 质数分类器


public class TlPrimeNumberClassifier {
       private int number;

       public TlPrimeNumberClassifier(int number) {
             this.number = number;
       }

       public boolean isFactor(Integer potential) {
             return (number % potential) == 0;
       }

       private List<Integer> listOfPotentialFactors() {
             List<Integer> results = new ArrayList<Integer>();
             for (int i = 1; i <= number + 1; i++)
             results.add(i);
             return results;
       }

       public boolean isPrime() {
             return (this.number + 1) ==
             Sequences.init(listOfPotentialFactors())
             .filter(new Predicate<Integer>() {
                   @Override
                   public boolean matches(Integer other) {
                         return isFactor(other);
                   }})
                   .foldLeft(0, sum())
                   .intValue();
             }
      }
      

;

清单 7 中的 isPrime() 方法使用了 Sequences 类,使用所有可能因数(即从 1 到目标数字的所有数字)的一个列表进行初始化,然后应用了它的 filter() 方法。在 Totally Lazy 中,filter() 方法期望获得 Predicate 类的一个子类,其中很多已经针对常见情况进行了实现。在我的示例中,我重写了 matches() 方法,提供我的 isFactor() 方法来确定包含内容。有了因素列表之后,我使用了 foldLeft 方法,并使用所提供的 sum() 方法进行求和操作。

在 清单 7 所示的示例中,isPrime() 方法完成了绝大部分的工作。Totally Lazy 中的所有数据结构都是惰性结构,当您组合它们时,就会带来麻烦。请考虑清单 8 中所示的 getFactors() 方法版本:

清单 8. 使用了惰性迭代器的 Totally Lazy 的 getFactors 方法


public Iterator<Integer> getFactors() {
       return Sequences
       .init(listOfPotentialFactors())
       .filter(new Predicate<Integer>() {
             @Override
             public boolean matches(Integer other) {
                   return isFactor(other);
             }
       })
       .iterator();
}

;

清单 8 中 getFactors() 方法的返回值是 Iterator<Integer> ,但它是一个惰性迭代器,这表示只有在您进行迭代之后,它才有值。这使得测试惰性集合成为一个难题。请考虑对 清单 8 中的 Totally Lazy 示例进行单元测试,如清单 9 中所示:

清单 9. 测试 Totally Lazy 集合


@Test
public void factors() {
       TlPrimeNumberClassifier pnc = new TlPrimeNumberClassifier(6);
       List<Integer> expected = new ArrayList<Integer>() {{
                   add(1);
                   add(2);
                   add(3);
                   add(6);
             }};
             Iterator<Integer> actual = pnc.getFactors();
             assertTrue(actual.hasNext());
             int count = 0;
             for (int i = 0; actual.hasNext(); i++) {
                   assertEquals(expected.get(i), actual.next());
                   count++;
             }
             assertTrue(count == expected.size());
      }
      

;

对于惰性集合,我必须遍历集合来检索值,才能确保惰性列表中的元素数量不会超过预期。

可以使用 Totally Lazy 编写一个与其他版本同样分解良好的版本,但您可能会受困于不断变得更加错综复杂的数据结构,比如 <Iterator<Iterator<Number>>>。


结束语

在这一期的文章中,我阐明了各种函数式语言和框架中相同行为的名称的演变过程。所有这些语言和框架中的方法名称绝不可能达成一致,但 Java 运行时增加了很多构造,如闭包,互操作将会变得更加简单,因为它们能够共享通用的标准表示(而不需要一些尴尬的构造,比如 Totally Lazy 中 <Iterator<Iterator<Number>>>)。

在下一期的文章中,我将通过分析 map 继续说明转换中的相似性。




赞(0)    操作        顶端 
总帖数
1
每页帖数
101/1页1
返回列表
发新帖子
请输入验证码: 点击刷新验证码
您需要登录后才可以回帖 登录 | 注册
技术讨论