Scalaz（53）－ scalaz-stream: 程序运算器－application scenario

    从上面多篇的讨论中我们了解到scalaz-stream代表一串连续无穷的数据或者程序。对这个数据流的处理过程就是一个状态机器（state machine）的状态转变过程。这种模式与我们通常遇到的程序流程很相似：通过程序状态的变化来推进程序进展。传统OOP式编程可能是通过一些全局变量来记录当前程序状态，而FP则是通过函数组合来实现状态转变的。这个FP模式讲起来有些模糊和抽象，但实际上通过我们前面长时间对FP编程的学习了解到FP编程讲究避免使用任何局部中间变量，更不用说全局变量了。FP程序的数据A是包嵌在算法F[A]内的。FP编程模式提供了一整套全新的数据更新方法来实现对F[A]中数据A的操作。对许多编程人员来讲，FP的这种编程方式会显得很别扭、不容易掌握。如果我们仔细观察分析，会发觉scalaz-stream就是一种很好的FP编程工具：它的数据也是不可变的（immutable），并且是包嵌在高阶类型结构里的，是通过Process状态转变来标示数据处理过程进展的。scalaz-stream的数据处理是有序流程，这样可以使我们更容易分析理解程序的运算过程，它的三个大环节包括：数据源（source），数据传换（transducer）及数据终点（Sink/Channel）可以很形象地描绘一个程序运算的全过程。scalaz-stream在运算过程中的并行运算方式（parallel computaion）、安全资源使用（resource safety）和异常处理能力（exception handling）是实现泛函多线程编程最好的支持。我们先来看看scalaz-stream里的一个典型函数：

/**
   * Await the given `F` request and use its result.
   * If you need to specify fallback, use `awaitOr`
   */
  def await[F[_], A, O](req: F[A])(rcv: A => Process[F, O]): Process[F, O] =
    awaitOr(req)(Halt.apply)(rcv)
/**
   * Await a request, and if it fails, use `fb` to determine the next state.
   * Otherwise, use `rcv` to determine the next state.
   */
  def awaitOr[F[_], A, O](req: F[A])(fb: EarlyCause => Process[F, O])(rcv: A => Process[F, O]): Process[F, O] =
    Await(req,(r: EarlyCause \/ A) => Trampoline.delay(Try(r.fold(fb,rcv))))

这个await函数可以说是一个代表完整程序流程的典范。注意，awaitOr里的Await是个数据结构。这样我们在递归运算await时可以避免StackOverflowError的发生。req: F[A]代表与外界交互的一个运算，如从外部获取输入、函数rcv对这个req产生的运算结果进行处理并设定程序新的状态。

import scalaz.stream._
import scalaz.concurrent._
object streamApps {
import Process._
  def getInput: Task[Int] = Task.delay { 3 }      //> getInput: => scalaz.concurrent.Task[Int]
  val prg = await(getInput)(i => emit(i * 3))     //> prg  : scalaz.stream.Process[scalaz.concurrent.Task,Int] = Await(scalaz.concurrent.Task@4973813a,<function1>,<function1>)
  prg.runLog.run                                  //> res0: Vector[Int] = Vector(9)
}

这是一个一步计算程序。我们可以再加一步：

 val add10 = await1[Int].flatMap{i => emit(i + 10)}
                                                  //> add10  : scalaz.stream.Process[[x]scalaz.stream.Process.Env[Int,Any]#Is[x],Int] = Await(Left,<function1>,<function1>)
  val prg1 = await(getInput)(i => emit(i * 3) |> add10)
                                                  //> prg1  : scalaz.stream.Process[scalaz.concurrent.Task,Int] = Await(scalaz.concurrent.Task@6737fd8f,<function1>,<function1>)
  prg1.runLog.run                                 //> res0: Vector[Int] = Vector(19)

add10是新增的一个运算步骤，是个transducer所以调用了Process1的函数await1,并用pipe(|>)来连接。实际上我们可以用组合方式（compose）把add10和prg组合起来：

val prg3 = prg |> add10                         //> prg3  : scalaz.stream.Process[scalaz.concurrent.Task,Int] = Append(Halt(End) ,Vector(<function1>))
  prg3.runLog.run                               //> res1: Vector[Int] = Vector(19)

我们同样可以增加一步输出运算：

 val outResult: Sink[Task,Int] = sink.lift { i => Task.delay{println(s"the result is: $i")}}
                                                  //> outResult  : scalaz.stream.Sink[scalaz.concurrent.Task,Int] = Append(Emit(Vector(<function1>)),Vector(<function1>))
  val prg4 = prg1 to outResult                    //> prg4  : scalaz.stream.Process[[x]scalaz.concurrent.Task[x],Unit] = Append(Halt(End),Vector(<function1>, <function1>))
  prg4.run.run                                    //> the result is: 19

scalaz-stream的输出类型是Sink，我们用to来连接。那么如果需要不断重复运算呢：

import scalaz._
import Scalaz._
import scalaz.concurrent._
import scalaz.stream._
import Process._
object streamAppsDemo extends App {
  def putLine(line: String) = Task.delay { println(line) }
  def getLine = Task.delay { Console.readLine }
  val readL = putLine("Enter:>").flatMap {_ => getLine}
  val readLines =  repeatEval(readL)
  val echoLine = readLines.flatMap {line => eval(putLine(line))}  
  echoLine.run.run
}

这是一个无穷运算程序：不停地把键盘输入回响到显示器上。下面是一些测试结果：

Enter:>
hello world!
hello world!
Enter:>
how are you?
how are you?
Enter:>

当然，我们也可以把上面的程序表达的更形象些：

  val outLine: Sink[Task,String] = constant(putLine _).toSource
  val echoInput: Process[Task,Unit] = readLines to outLine
  //echoLine.run.run
  echoInput.run.run 

用to Sink来表述可能更形象。这个程序没有任何控制：甚至无法有意识地退出。我们试着加一些控制机制：

  def lines: Process[Task,String] = {
    def go(line: String): Process[Task,String] = 
        line.toUpperCase match {
          case "QUIT" => halt
          case _ => emit(line) ++ await(readL)(go)
        } 
    await(readL)(go)
  }
  
  val prg = lines to outLine
  prg.run.run 

在rcv函数里检查输入是否quit，如果是就halt，否则重复运算await。现在可以控制终止程序了。

下面再示范一下异常处理机制：看看能不能有效的捕捉到运行时的错误：

  def mul(i: Int) = await1[String].flatMap { s => emit((s.toDouble * i).toString) }.repeat
  val prg = (lines |> mul(5)) to outLine  
  prg.run.run 

加了个transducer mul(5)，如果输入是可转变为数字类型的就乘5否者会异常退出。下面是一些测试场景：

Enter:>
5
25.0
Enter:>
6
30.0
Enter:>
six
Exception in thread "main" java.lang.NumberFormatException: For input string: "six"
	at sun.misc.FloatingDecimal.readJavaFormatString(FloatingDecimal.java:2043)

我们可以用onFailure来捕捉任何错误：

  def mul(i: Int) = await1[String].flatMap { s => emit((s.toDouble * i).toString) }.repeat
//val prg = (lines |> mul(5)) to outLine  
  val prg = (lines |> mul(5)).onFailure { e => emit("invalid input!!!") } to outLine
  prg.run.run 

现在运算结果变成了下面这样：

Enter:>
5
25.0
Enter:>
6
30.0
Enter:>
six
invalid input!!!

证明我们捕捉并处理了错误。一个完整安全的程序还必须具备自动事后清理的功能。这项可以通过onComplete来实现：

  def mul(i: Int) = await1[String].flatMap { s => emit((s.toDouble * i).toString) }.repeat
//val prg = (lines |> mul(5)) to outLine  
  val prg = (lines |> mul(5)).onFailure { e => emit("invalid input!!!") }
  val prg1 = prg.onComplete{ Process.eval(Task.delay {println("end of program"); ""}) } to outLine
  prg1.run.run 

测试结果如下：

Enter:>
5
25.0
Enter:>
6
30.0
Enter:>
six
invalid input!!!
end of program

再有一个值得探讨的就是这些程序的组合集成。scalaz-stream就是存粹的泛函类型，那么基于scalaz-stream的程序就自然具备组合的能力了。我们可以用两个独立的程序来示范Process程序组合：

import scalaz._
import Scalaz._
import scalaz.concurrent._
import scalaz.stream._
import Process._
object prgStream extends App {
  def prompt(prmpt: String) = Task.delay { print(prmpt) }
  def putLine(line: String) = Task.delay { println(line) }
  def getLine = Task.delay { Console.readLine }
  val readLine1 = prompt("Prg1>:").flatMap {_ => getLine}
  val readLine2 = prompt("Prg2>:").flatMap {_ => getLine}
  val stdOutput = constant(putLine _).toSource
  def multiplyBy(n: Int) = await1[String].flatMap {line => 
      if (line.isEmpty) halt
      else emit((line.toDouble * n).toString)
  }.repeat
  val prg1: Process[Task,String] =  {
    def go(line: String): Process[Task,String] = line.toUpperCase match {
      case "QUIT" => halt
      case _ => emit(line) ++ await(readLine1)(go)
    }
    await(readLine1)(go)   
  }.onComplete{ Process.eval(Task.delay {println("end of program1"); ""}) }
  val prg2: Process[Task,String] =  {
    def go(line: String): Process[Task,String] = line.toUpperCase match {
      case "QUIT" => halt
      case _ => emit(line) ++ await(readLine2)(go)
    }
    await(readLine2)(go)   
  }.onComplete{ Process.eval(Task.delay {println("end of program2"); ""}) } 
  val program1 = (prg1 |> multiplyBy(3) to stdOutput)
  val program2 = (prg2 |> multiplyBy(5) to stdOutput)
  
  (program1 ++ program2).run.run
  
} 
  

因为program的类型是Process[Task,String]，所以我们可以用++把它们连接起来。同时我们应该看到在program的形成过程中transducer multiplyBy是如何用|>与prg组合的。现在我们看看测试运算结果：

Prg1>:3
9.0
Prg1>:4
12.0
Prg1>:quit
end of program1
Prg2>:5
25.0
Prg2>:6
30.0
Prg2>:quit
end of program2

我们看到程序是按照流程走的。下面再试个流程控制程序分发（dispatching）的例子：

 val program1 = (prg1 |> multiplyBy(3) observe stdOutput)
  val program2 = (prg2 |> multiplyBy(5) observe stdOutput)
  
  //(program1 ++ program2).run.run
  val getOption = prompt("Enter your choice>:").flatMap {_ => getLine }
  val mainPrg: Process[Task,String] = {
     def go(input: String): Process[Task,String] = input.toUpperCase match {
       case "QUIT" => halt
       case "P1" => program1 ++ await(getOption)(go)
       case "P2" => program2 ++ await(getOption)(go)
       case _ => await(getOption)(go)
     }
     await(getOption)(go)
  }.onComplete{ Process.eval(Task.delay {println("end of main"); ""}) } 
  
  mainPrg.run.run

我们先把program1和program2的终点类型Sink去掉。用observe来实现数据复制分流。这样program1和program2的结果类型才能与await的类型相匹配。我们可以测试运行一下：

Enter your choice>:p2
Prg2>:3
15.0
Prg2>:5
25.0
Prg2>:quit
end of program2
Enter your choice>:p1
Prg1>:3
9.0
Prg1>:6
18.0
Prg1>:quit
end of program1
Enter your choice>:wat
Enter your choice>:oh no
Enter your choice>:quit
end of main

scalaz-stream是一种泛函类型。我们在上面已经示范了它的函数组合能力。当然，如果程序的类型是Process，那么我们可以很容易地用merge来实现并行运算。

scalaz-stream作为一种程序运算框架可以轻松实现FP程序的组合，那么它成为一种安全稳定的泛函多线程编程工具就会是很好的选择。

