函数式编程概述

概述

函数式编程是一种编程模型

将计算机运算看做是数学中函数的计算，并且避免了状态以及变量的概念。函数式编程的特点是，把控制权让渡给语言。
命令式编程天生的缺陷却使并行编程模型变得非常复杂，无论是信号量，还是锁的概念，都使程序员不堪其重。函数式编程就这样被推到了前线。状态不可变解决了并发编程中的最大问题

函数是函数式编程的第一型。

在面向对象编程中，我们把对象传来传去，那在函数式编程中，我们要做的是把函数传来传去，而这个，说成术语，我们把他叫做高阶函数。
在函数式编程中，函数是基本单位，是第一型，他几乎被用作一切，包括最简单的计算，甚至连变量都被计算所取代。在函数式编程中，变量只是一个名称，而不是一个存储单元，这是函数式编程与传统的命令式编程最典型的不同之处。

函数式编程关注做了什么，不关注怎么做

//把集合中的每个数字加一
list.map(x => (x+1))

做什么？每个元素加一
怎么做？不关心

特性

不可变性

不可变性指的是变量一旦确定，就不能再修改，这样做的好处是极大地方便了并发编程，变量的不变性，解决多线程/并发时锁的问题。大幅度提升多核处理器的性能。其次是降低了bug发生的概率。bug的发生经常出现在变量的位置。

惰性计算

惰性求值，有利于系统优化函数式程序的执行。将表达式复制给变量的时候不计算表达式的值，只在变量第一次被使用的时候才进行计算。惰性求值能大幅提高并行计算的性能。

• 允许我们创建无线长度的序列
• 减少存储空间
• 产生更高效的代码

//演示惰性求值
list = [1,2/0,12]
print list.length
//输出是3。如果不是惰性求值会报错

闭包和高阶函数

柯里化

和命令式编程的对比

• fp关注数据的映射，cp关心解决问题的步骤
• fp注重读关系的描述，任何能在计算机中的东西之间的对应关系都可以描述
• cp是一个指令序列，如何取数据，变量，控制，循环等。fp是一个表达式
• 命令式编程是面向对象的，自顶向下。函数式编程是自底向上。通过不断地函数组合达到目的
  也就是先定义最基本的操作，然后不断组合，不断堆积以满足你的所有需要，如sql定义了select, from, where…这几个组合子，来满足你的查询需求，同理函数式语言会提供foreach, map等组合子(操作)来满足你的需求，所以你必须自下而上的设计你的代码结构，并且满足你的需求，当你只用组合子写代码时，你会发现你写的全是高阶逻辑
• 程序的状态:
  
  • 命令式编程通过变量的变化表明状态、
  • 函数式编程通过函数创建新的函数或者返回值来保存程序的状态，每个函数的返回值，参数都带便了程序的状态

思维

• 数据不可变
• 一切皆表达式
• 函数是第一公民
• 递归替代循环
• 高阶函数，lamba演算
• 支持高并发

fp的本质

• 高阶编程
• 没有副作用
  
  • 函数的所有功能都是为了一个返回值，不做任何其他的事情。
  • 不修改变量的值
  • 使得fp的各部分的执行顺序可以随意打乱，有利于高并发。惰性求值，无需加锁

构造单元

Map

对集合中的每个元素进行映射，结果返回一个新的集合。

seq.map(s => fun(s))
seq.map(s => s+100)
seq.map(_+100)

Reduce

• 用一个累积量来搜集集合元素。每次运算两个，运算的结果当作第一个，再从集合中选取下一个进行运算，直到集合为空。
• 使用reduce时，需要规范化。直接使用reduce，方向是不被保证的。通过使用reduceLeft和reduceRight我们可以强制处理元素的方向。
• 和reudce类似的是fold，对比如下：

reduce	fold
可以没有	必须设定一个初始值
返回类型必须和列表的返回类型相同	没有限制

seq.reduce(s,fun(s))
seq.reduceLeft(_+_)
seq.reduceLeft((x:Int,y:Int) => func(x,y))
seq.reduceRight((x:Int,y:Int) => func(x,y))

Filter

根据用户的定义将符合条件的值筛选出来，形成新的集合。
scala中提供了多种筛选方法。

seq.filter(s,fun(s))
seq.filter((x:Int) => 条件)
seq.filter((x:Int) => x>n)
// 选择第一个符合条件的
seq.find(_fun())
// 集合分片
seq.partion(条件)

递归迭代

迭代一定能转化成递归，递归不一定能转换成迭代。
递归中一定有迭代，迭代中不一定有递
递归是函数自身内部调用自己 ，问题的规模会越来越小。类似树形结构
- 有出入口
- 递推阶段：缩减规模，把问题分解
- 回归阶段：获得最简单的情况之后逐步返回
迭代是运算结果作为输入，问题规模基本不变。类似环形结构