泛函编程（12）－数据流－Stream

最新推荐文章于 2017-05-18 21:38:42 发布

TIGER_XC

最新推荐文章于 2017-05-18 21:38:42 发布

阅读量659

点赞数

分类专栏：泛函编程（Functional Programming) 编程技术 Scala 文章标签：编程 scala functional programmi

本文链接：https://blog.csdn.net/TIGER_XC/article/details/44336757

版权

Scala 同时被 3 个专栏收录

270 篇文章 5 订阅

订阅专栏

编程技术

246 篇文章 4 订阅

订阅专栏

泛函编程（Functional Programming)

97 篇文章 3 订阅

订阅专栏

在前面的章节中我们介绍了List，也讨论了List的数据结构和操作函数。List这个东西从外表看上去挺美，但在现实中使用起来却可能很不实在。为什么？有两方面：其一，我们可以发现所有List的操作都是在内存中进行的，要求List中的所有元素都必须在操作时存在于内存里。如果必须针对大型数据集进行List操作的话就明显不切实际了。其二，List的抽象算法如折叠算法、map, flatMap等是无法中途跳出的，无论如何都一直进行到底；只有通过递归算法在才能在中途停止运算。但递归算法不够抽象，经常出现重复的代码。最要命的是递归算法会随着数据量增加堆栈内存占用（non-tail-recursive），处理大型数据集同样不实际。以上缺陷使List的应用被局限在小规模的数据集处理范围。

矛盾的是，List由于内存占用问题不适合大数据集处理，但它的计算模式又是排列数据模式必须的选择。Stream数据类型具备了List的排列数据计算模式但有不需要将全部数据搬到内存里，可以解决以上提到的大数据集处理问题。Stream的特性是通过“延后计算”（lazy evaluation）来实现的。可以想象一下可能的原理：Stream内元素读取是在具体使用时才进行的。不用说，Stream是典型的只读数据类型。既然要继承List的计算模式，那么在结构设计上是否相同呢？我们先看看Stream的结构设计：

  trait Stream[+A] 
  case object Empty extends Stream[Nothing]
  case class Cons[+A](head: () => A, tail: () => Stream[A]) extends Stream[A]

天啊，简直是活脱脱的List结构嘛。不过Stream的头元素（head）和无头尾（tail）是延后计算的（non-strict）。由于Cons不是普通函数而是一个类，不容许延后计算类参数，所以传入的是一个函数 () => ???。

以上Stream结构设计与List相同；两种状态是用子类来表示的。以下我们探索以下另外一种设计方案：

  trait Stream[+A] {
  	def uncons: Option[(A, Stream[A])]
  	def isEmpty: Boolean = uncons.isEmpty
  }
  object Stream {
  	def empty[A]: Stream[A] = new Stream[A] {
  		def uncons = None
  	}
  	def cons[A](h: => A, t: => Stream[A]): Stream[A] = new Stream[A] {
  		def uncons = Some((h,t))
  	}
  	def apply[A](as: A*): Stream[A] = {
  		if (as.isEmpty) empty
  		else cons(as.head, apply(as.tail: _*))
  	}
  }

以上的设计方案采用了结构封装形式：数据结构uncons，两种状态empty, cons都被封装在类结构里。最起码我们现在可以直接使用=> A 来表达延后计算参数了。

实际上Stream就是对一个List的描述，一个类型的声明。它的实例生成延后到了具体使用的时候，此时需要的元素已经搬入内存，成了货真价实的List了：

 	//tail recursive
  	def toList_1: List[A] = {
  	  @annotation.tailrec
  		def go(s: Stream[A], acc: List[A]): List[A] = {
  			s.uncons match  {
  				case None => acc
  				case Some((h,t)) => go(t,h :: acc)
  			}
  		}
  		go(this,Nil).reverse    // h :: acc 产生相反顺序
  	}
  	//省去reverse
  	def toListFast: List[A] = {
  		val buf = new collection.mutable.ListBuffer[A]
  		@annotation.tailrec
  		def go(s: Stream[A]): List[A] ={
  			s.uncons match {
  				case Some((h,t)) => {
  					buf += h
  					go(t)
  				}
  				case _ => buf.toList
  			}
  		}
  		go(this)
  	}

Stream(1,2.3)                                     //> res0: ch5.stream.Stream[Double] = ch5.stream$Stream$$anon$2@1e643faf
Stream(1,2,3).toList                              //> res1: List[Int] = List(1, 2, 3)
Stream(1,2,3).toList_1                            //> res2: List[Int] = List(1, 2, 3)
Stream(1,2,3).toListFast                          //> res3: List[Int] = List(1, 2, 3)

看看，Stream(1,2,3)就是一个声明。我们通过List转换才真正产生了实例。

再看看Stream最基本的一些操作函数：

    def take(n: Int): Stream[A] = {
      if ( n == 0 ) empty
      else
       uncons match {
    	   case None => empty
    	   case Some((h,t)) => cons(h,t.take(n-1))
    	}
    }
    def drop(n: Int): Stream[A] = {
    	if (n == 0) this
    	else {
    		uncons match {
    			case Some((h,t)) => t.drop(n-1)
    			case _ => this
    		}
    	}
    }

Stream(1,2,3) take 2                              //> res4: ch5.stream.Stream[Int] = ch5.stream$Stream$$anon$2@3dd3bcd
(Stream(1,2,3) take 2).toList                     //> res5: List[Int] = List(1, 2)
Stream(1,2,3) drop 2                              //> res6: ch5.stream.Stream[Int] = ch5.stream$Stream$$anon$2@97e1986
(Stream(1,2,3) drop 2).toList                     //> res7: List[Int] = List(3)

从操作结果可以确定：Stream的操作也都是对操作的描述，是延后计算的。当元素被搬到List时系统才回真正计算这些Stream元素的值。

不过这些操作函数的实现方式与List基本相像：

   def takeWhile(f: A => Boolean): Stream[A] =  {
    	uncons match {
    		case None => empty
    		case Some((h,t)) => if ( f(h) ) cons(h,t.takeWhile(f)) else empty
    	}
    }
    def dropWhile(f: A => Boolean): Stream[A] = {
    	uncons match {
    		case None => empty
    		case Some((h,t)) => if ( f(h) ) t.dropWhile(f) else t
    	}
    }
    def headOption: Option[A] = uncons match {
			case Some((h,t)) => Some(h)
			case _ => None
    }
    def tail: Stream[A] = uncons match {
    	case Some((h,t)) => t
    	case _ => empty
    }

(Stream(1,2,3,4,5) takeWhile {_ < 3}).toList      //> res8: List[Int] = List(1, 2)
(Stream(1,2,3,4,5) dropWhile {_ < 3}).toList      //> res9: List[Int] = List(4, 5)
Stream(1,2,3,4,5).tail                            //> res10: ch5.stream.Stream[Int] = ch5.stream$Stream$$anon$2@337d0578
(Stream(1,2,3,4,5).tail).toList                   //> res11: List[Int] = List(2, 3, 4, 5)
Stream(1,2,3,4,5).headOption                      //> res12: Option[Int] = Some(1)

再次印证了Stream操作函数只是对操作的描述，没有进行实质的运算。

前面提到过List的折叠算法无法着中途跳出，而Stream通过“延后计算”（lazy evaluation）是可以实现提早终结计算的。我们先看看Stream的右折叠（foldRight）算法：

    def foldRight[B](z: B)(op: (A, => B) => B): B = {
    	uncons match {
    		case None => z
    		case Some((h,t)) => op(h,t.foldRight(z)(op))
    	}
    }

这个与List的foldRight简直一模样嘛，不同的只有op函数的第二个参数是延后计算的 => B。秘密就在这个延后计算的B上。看看下面图示：

由于op的第二个参数B是延后计算的，那么t.foldRight(z)(op)这个表达式的计算就是延后的，系统可以决定先不计算这个表达式从而得到了一个中间停顿的结果。

函数exists是在碰到第一个符合条件的元素时马上终止的。我们通常使用递归算法来实现exists的这个特性。现在我们也可以用右折叠算法达到同样效果：

    def exists(p: A => Boolean): Boolean = {
    	foldRight(false){(a,b) => p(a) || b }
    }

注意：当p(a)=true时系统不再运算b，所以整个运算停了下来。

同样，用foldRight来实现forAll：

    def forAll(p: A => Boolean): Boolean = {
    	foldRight(true){(a,b) => p(a) && b}
    }

当我们遇到数据结构只能存一个元素如Option，Either时我们用map2来对接两个结构。当我们遇到能存多个元素的数据结构如List，Tree时我们就会用append来对接。Stream是一个多元素的数据结构，我们需要实现append：

    //把两个Stream连接起来
    def append[B >: A](b: Stream[B]): Stream[B] = {
    	uncons match {
    		case None => b
    		case Some((h,t)) => cons(h, t.append(b))
    	}
    }
    //append简写
    def #++[B >: A](b: Stream[B]): Stream[B] = append(b)

(Stream(1,2) #++ Stream(3,4,5)).toList            //> res14: List[Int] = List(1, 2, 3, 4, 5)

标准装备函数实现：

    //用递归算法
    def flatMap[B](f: A => Stream[B]): Stream[B] = {
    	uncons match {
    		case None => empty
    		case Some((h,t)) => f(h) #++ t.flatMap(f)
    	}
    }
    //用foldRight实现
    def flatMap_1[B](f: A => Stream[B]): Stream[B] = {
    	foldRight(empty[B]){(h,t) => f(h) #++ t}
    }
    //用递归算法
    def filter(p: A => Boolean): Stream[A] = {
    	uncons match {
    		case None => empty
    		case Some((h,t)) => if(p(h)) cons(h,t.filter(p)) else t.filter(p)
    	}
    }
    //用foldRight实现
    def filter_1(p: A => Boolean): Stream[A] = {
    	foldRight(empty[A]){(h,t) => if(p(h)) cons(h,t) else t}
    }

(Stream(1,2,3,4,5) map {_ + 10}).toList           //> res15: List[Int] = List(11, 12, 13, 14, 15)
(Stream(1,2,3,4,5) flatMap {x => Stream(x+10)}).toList
                                                  //> res16: List[Int] = List(11, 12, 13, 14, 15)
(Stream(1,2,3,4,5) flatMap_1 {x => Stream(x+10)}).toList
                                                  //> res17: List[Int] = List(11, 12, 13, 14, 15)
(Stream(1,2,3,4,5) filter {_ < 3}).toList         //> res18: List[Int] = List(1, 2)
(Stream(1,2,3,4,5) filter_1 {_ < 3}).toList       //> res19: List[Int] = List(1, 2)

看来都备齐了。

我们再看看List与Stream还有什么别的值得关注的区别。先从一个List操作的例子开始：

scala> List(1,2,3,4) map (_ + 10) filter (_ % 2 == 0) map (_ * 3)
List(36,42)

根据List的特性，每个操作都会立即完成，产生一个结果List，然后接着下一个操作。我们试着约化：

List(1,2,3,4) map (_ + 10) filter (_ % 2 == 0) map (_ * 3)
List(11,12,13,14) filter (_ % 2 == 0) map (_ * 3)
List(12,14) map (_ * 3)
List(36,42)

实际上这个运算遍历（traverse）了List三次。一次map操作产生了中间List(11，12，13，14)，二次操作filter产生了List(12,14)，三次操作map产生最终结果List(36,42)。实际上我们如果把遍历这个List的方式变一下：变成每次走一个元素，连续对这个元素进行三次操作，直到走完整个List。这样我们在一个遍历过程就可以完成全部三个操作。Stream恰好是一个元素一个元素走的，因为下面的元素处于延后计算状态。我们试着用Stream来证明：

Stream(1,2,3,4).map(_ + 10).filter(_ % 2 == 0)
(11 #:: Stream(2,3,4).map(_ + 10)).filter(_ % 2 == 0)
Stream(2,3,4).map(_ + 10).filter(_ % 2 == 0)
(12 #:: Stream(3,4).map(_ + 10)).filter(_ % 2 == 0)
12 #:: Stream(3,4).map(_ + 10).filter(_ % 2 == 0)
12 #:: (13 #:: Stream(4).map(_ + 10)).filter(_ % 2 == 0)
12 #:: Stream(4).map(_ + 10).filter(_ % 2 == 0)
12 #:: (14 #:: Stream().map(_ + 10)).filter(_ % 2 == 0)
12 #:: 14 #:: Stream().map(_ + 10).filter(_ % 2 == 0)
12 #:: 14 #:: Stream()

以上的#::是cons的操作符号。



TIGER_XC

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
泛函编程（12）－数据流－Stream

在前面的章节中我们介绍了List，也讨论了List的数据结构和操作函数。List这个东西从外表看上去挺美，但在现实中使用起来却可能很不实在。为什么？有两方面：其一，我们可以发现所有List的操作都是在内存中进行的，要求List中的所有元素都必须在操作时存在于内存里。如果必须针对大型数据集进行List操作的话就明显不切实际了。其二，List的抽象算法如折叠算法、map, flatMap等是无法中途跳
复制链接

扫一扫