Java 8 中的惰性求值 -- Supplier

在开发中,我们经常会遇到一些需要延迟计算的情形,比如某些运算非常消耗资源,如果提前算出来却没有用到,会得不偿失。在计算机科学中,有个专门的术语形容它:惰性求值。惰性求值是一种求值策略,也就是把求值延迟到真正需要的时候。在Java里,我们有一个专门的设计模式几乎就是为了处理这种情形而生的:Proxy。不过,现在我们有了新的选择:Supplier。

我们先来看看 Supplier 的定义:

public interface Supplier{
    T get();
}

非常简单的一个定义,简而言之,得到一个对象。但它有什么用呢?我们可以把耗资源运算放到get方法里,在程序里,我们传递的是Supplier对象,直到调用get方法时,运算才会执行。这就是所谓的惰性求值。

对于Java这种缺乏惰性求值的语言,惰性一般就是通过一个间接层来实现的。David Wheeler曾经说过:“计算机科学中的所有问题都可以通过引入一个间接层解决。”

理解了基本的用法,实现一个Supplier并不困难:

Supplier ultimateAnswerSupplier = new Supplier(){
    @Override
    public Integer get(){
        //Long time computation
        return 42;
    }
};

当我们需要这个终极答案时,只要:

Supplier ultimateAnswerSupplier = new Supplier(){
    @Override
    public Integer get(){
        //Long time computation
        return 42;
    }
};

确实很简单,但是,我知道你已经心生另一个疑问。通常实现 Proxy 模式,我们只会计算一次,像终极答案这样的东西,反复运算我们可承受不起,也没有必要。我甚至知道你已经迫不及待地打算动手实现自己的解决方案,把结果保留下来,再下次调用时,直接返回结果。但,且慢。不,我并不是说多线程并发让保存结果这件小事变得复杂,因为我相信你的能力。但你是否想过,如果你打算为它这么做,也就意味着,你几乎要为所有的Supplier对象这么做。反复做一件事,显然不应该是一个程序员的作为。

幸好Guava已经给我们准备好了:

memorizedUltimateAnswerSupplier = Suppliers.memoize(ultimateAnswerSupplier);

memoize() 函数帮我打点了前面所说的那些事情:第一次 get() 的时候,它会调用真正Supplier,得到结果并保存下来,下次再访问就返回这个保存下来的值。

有时候,这个值只在一段时间内是有效的,你知道我要说什么了,Guava还给我们提供了一个另一个函数,让我们可以设定过期时间:

expirableUltimateAnswerSupplier = memoizeWithExpiration(target, 100, NANOSECONDS);

好了,还在自己编写 Proxy 处理惰性求值吗?Supplier便是你需要更新的 Java 知识。

更详细的使用实例,推荐细读 Google Guava 的 Supplier 和 Suppliers

文章转自: 你应该更新的 Java 知识之惰性求值:Supplier 和 Guava

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Python惰性求值是指在需要计算结果时才进行计算,而不是在表达式被定义时就立即计算。这种求值策略可以节省计算资源,特别是在处理大量数据或复杂计算时非常有用。 Python的生成器(Generator)和迭代器(Iterator)是常用的实现惰性求值的方式。生成器是一种特殊的函数,它使用yield语句来产生一个序列的值,每次yield返回一个值后,生成器函数的状态会被冻结,直到下一次调用继续执行。迭代器是实现了__iter__()和__next__()方法的对象,用于遍历数据集合。 通过使用生成器和迭代器,我们可以在需要时动态生成计算结果,而不必提前计算和存储所有结果。这在处理大型数据集或无限序列时非常有用,可以提高效率并减少内存占用。 下面是一个简单的示例,展示了如何使用生成器实现惰性求值: ```python def lazy_evaluation(): i = 0 while True: yield i i += 1 lazy_numbers = lazy_evaluation() # 创建生成器对象 print(next(lazy_numbers)) # 输出:0 print(next(lazy_numbers)) # 输出:1 print(next(lazy_numbers)) # 输出:2 ``` 在上面的例子,我们定义了一个生成器函数`lazy_evaluation()`,它使用一个无限循环和yield语句来产生递增的整数序列。通过调用`next()`函数,我们可以逐个获取生成器产生的值,而不必一次性计算所有值。 总结来说,惰性求值是一种用于优化计算资源和处理大规模数据的技术,在Python可以通过生成器和迭代器来实现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值