（转）Monad in Scala

最新推荐文章于 2024-11-07 18:36:43 发布

weixin_34221332

最新推荐文章于 2024-11-07 18:36:43 发布

阅读量90

点赞数

文章标签： scala python

原文链接：https://my.oschina.net/mustang/blog/160278

版权

2019独角兽企业重金招聘Python工程师标准>>>

Monad in Scala

Scala

关于什么是Monad(单子), All about Monad里是这样介绍的:

A monad is a way to structure computations in terms of values and sequences of computations using those values. Monads allow the programmer to build up computations using sequential building blocks, which can themselves be sequences of computatpions. The monad determines how combined computations form a new computation and frees the programmer from having to code the combination manually each time it is required.

It is useful to think of a monad as a strategy for combining computations into more complex computations.

听起来很玄乎. 网络上大部分讨论Monad的文章, 大部分都挤满了希腊字母组成的各种公式, 似乎需要完全的理解Monad, 还需要较为深厚的数学背景, 而从程序设计的角度来讨论Monad 的文章, 也大多都是使用Haskell作为示例来进行的(比如上面引用的这篇). 而以我熟悉的 Scala为示例来讨论的, 我找到了如下的两篇:

两篇文章都是以实例来讲解Monad, 这也是我为什么能看懂的原因.

第一篇实际上是一个系列, 共有4篇, 主题就是”学习单子如盲人摸象, 若期望以实际的应用来理解抽象的Monad概念, 那么必然只能只知其一而不知其二. 但如此并非无可救药. 正如盲人摸象,若盲人们能聚在一起做个总结, 那么亦可以从片面理解概念. 如果能够了解Monad的各种应用实例, 那么离理解Monad也就不远了.

第二篇javaeye上的Arbow的作品, 例子改写自單子(monad)入門(一)这篇文章, 相对于第一篇来说, 这一篇要更为小巧, 作为理解单子的开始, 再合适不过.

作为抽象思维很糟糕的我来说, 学习Monad的时候就只能做盲人, 本文会借上面两篇文章的例子来说明Monad的实际应用, 并以应用入手, 希望能讲清楚Monad到底要干什么.

简单的例子 — 求值四则运算表达式

Arbow的文章里举的例子非常简单, 甚至不使用Monad的实现都不会太烦复, 这个例子的任务是完成一个简单的四则运算器.

Div(Add(Neg(Num(5)), Num(1)), Num(2))

当不需要考虑Div的时候, 实现的逻辑是很简单的, Arbow给出了下面的方案:摘录自Scala实现的单子(Monad)例子(1):

trait Expr { def eval:Int }  
case class Num(n:Int) extends Expr { 
  def eval = n
}

case class Neg(e:Expr) extends Expr { 
  def eval = - e.eval
}

case class Add(e1:Expr,e2:Expr) extends Expr { 
  def eval = e1.eval + e2.eval 
}

Add(Neg(Num(5)), Num(1)).eval // -4

每一种运算被实现为一个case class, class内部定义了eval函数来进行求值. 每一个case class都可以看成是一个计算过程(computation), case class的eval函数接收Expr作为参数, 进行计算并返回结果, 比如Add.eval接收两个Expr,首先分别对两个Expr求值，然后去取和. 随后这些computation被组合起来完成”-5 + 1”的功能.

注意这里用到了组合起来的计算(Combined Computation), 正好符合Monad需要解决的问题, 遗憾的是目前的computation都非常简单, 组合起来也非常方便, 实际上没有使用Monad的必要.

但需要注意的是, 我们目前还没有引入Div操作. 当我们引入Div运算之后, 情况就比原来要复杂了. 因为我们需要判断除数为0的情况, 并且在除数为0时返回一个错误, 而不是继续求值进行除运算. 因为除数为0会引起JVM抛出异常, 而我们希望表达式计算的实现可以合理的方式处理这样的错误. 一般来说, Div.eval需要返回特定的值来指示这样的错误, 而这个错误信息需要在组合的computation中层层传递, 直到最上层被告知给调用者, . 在大多数的程序设计语言中, 这样的工作通常以异常来实现, 在除数为0的时候抛出异常, 然后运行时或者解释器会将异常层层传递, 直到异常被处理.

当使用Scala时, 我们更喜欢使用的是Option, 于是就有了Arbow加入Div之后的方案(这里不再摘录Arbow的源代码, 请访问这里查看代码). Option可以被看成是一个容器, 子类 Some用来包装正确的值,而None则用来指示错误的发生. 而使用Pattern Match可以很容易的对两者进行区别, 以进行不同的操作. 当使用Option这样的容器作为computation之间的参数传递时,可以通过判断为Some还是None来进行不同的操作, 最终完成计算和错误处理.

在例子里面, 我们可以看到有下面的几个变化:

Expr.eval的返回值变成了Option[Int]
当Div.eval的除数为0时, 返回值为None
当某一个操作数的值为None时, 任意一个操作的返回值都是None

当使用Option的时候, 我们发现eval函数的逻辑变得更为复杂了, 原因就在于需要检查传入的参数是None的情况. 而事实上, 这样额外的逻辑是可以用Monad来简化的. 因为Monad的作用就是”组合已有的combined computation来形成新的computation, 从而简化程序员手动组合computation的工作”.

Functor

在介绍使用Monad的方案之前, 我们先来探究以下到底什么是Moand呢? 在函数式的程序设计语言中, Monad这个概念正是由定义在其上的函数来表达的. “Monads are Elephants“这篇文章里用Scala语言定义了Monad需要满足的条件.

首先, 每一个Monad都是一个Functor. 在Scala中, Functor是指一个定义了map方法的类. 而该map方法的定义则需要遵守一定的规则. map方法的signature应该是下面的样子:

class M[A] {
  def map[B](f: A => B): M[B] = ...
}

如果我们把Monad想象成为一个Container, 类似于List. 那么map操作的含义就是对容易里面的每一个值, 通过函数f进行处理, 得到类型为B的结果, 然后这些结果将被打包在这样一个同样的Monad Container里. 而map方法则需要满足下面的两个规则:

规则1: Identify :

// if we have identify defined to be
def identify[A](x: A) = x

// then map should 
m map identify == m

规则2: Composition :
```
m map g map f = m map { x => f(g(x)) }
```

第一条规则涉及到另外一个函数identify, 顾名思义， identify被定义为接收一个参数x，并原封不动的返回那个参数。而当map接收这样的一个函数时，它必须返回一个和m这个 functor相等的值。注意，这里只需要相等，而不一定要是同一个对象。

第二条规则则是说当map被组合调用时，相当于传入参数的组合来做一次单独的map调用。这里如果两次调用传入的参数分别为g和f，那么相当于只做一次map调用，而传入 /x => f(g(x))/ 作为参数.

Monad

而相对于Functor， Monad则还需要定义unit, flatMap两个函数:

def unit[A](x: A): M[A] = ...

class M[A} {
  def flatMap[B](f: A => M[B]): M[B] = ...
}

unit可以看成是constructor或者是factory method, 它用来创建一个Monad的实例. flatMap和map函数类似, 不同的是它接收的参数f返回的是M[B]. 因此和map不同的是, flatMap会对Monad Container里面的每一个元素都产生一个新的Monad Container. 然后所有这些Container里的元素会被取出而组合到一个Monad Container里面. 这个过程一般叫作 Flatten.

unit, map, flatMap是Scala Monad的三个必要函数, 而它们直接存在下面的关系:

m map f = m flatMap { x => unit(f(x)) }

这个关系使得map和flatMap的定义存在一定的联系.

而作为Scala Monad, 需要满足的三个规则:

规则1: Identify :
```
m flatMap { x => unit(x) } == m
```
规则2: Unit :
```
unit(x) flatMap f == f(x)
```

规则3: Composition :

m flatMap g flatMap f = m flatMap { x => g(x) flatMap f }

无论是Monad需要满足的Functor的特性还是Monad额外的特性, 看起来都比较抽象. 实际上这样抽象的内容不需要强行进行理解, 理解抽象概念最好的方式还是从实际的例子出发, 来看看实际应用中定义的Monad是什么样的.

Option

Option实际上就是Scala中的一个Monad实现. 下面是scala中对Option的定义(有所简化):

sealed abstract class Option[+A] {
  def isEmpty: Boolean

  def get: A

  def map[B](f: A => B): Option[B] =
    if(isEmpty) None else Some(f(this.get))

  def flatMap[B](f: A => Option[B]): Option[B] =
    if(isEmpty) None else f(this.get)
}

final case class Some[+A](x: A) extends Option[A] {
  def isEmpty: false

  def get = x
}

final case class None extends Option[Nothing] {
  def isEmpty = true

  def get = throw new NoSuchElementException("None.get")
}

其中有一些Scala中的对象和类型定义的细节, 这里略过. 重点是unit, map和flatMap的定义. 因为Some和None都被定义为case Class, 所以其名字就是constructor, 我们无需再定义 unit函数. 相对来说, map和flatMap的定义都很简单, 这里我们可以把Option看成是一个只有一个元素的Container, 那么map的工作就是对这仅有的一个元素进行f调用,然后再把结果打包成Option. 而flatMap的工作则是对这个元素进行f调用,产生的结果已经是Option实例, 而且没有其它的结果需要进行flatten, 因此可以直接返回这个Option实例.

而None的存在是唯一的插曲, 实际上如果把实现放在None和Some里面会更为清晰, 其实这里 map和flatMap对于None要做的额外工作就是检查自己是不是None, 如果是, 那么就直接返回 None. 因为None表示的是一个空的Container, 因为不能进行其它的计算.

这里None的存在还涉及到Monad里面的Monadic Zeros的概念. 本文不再讨论, 你可以阅读 Monads are Elephants一文来了解.

使用Option Monad来解决表达式求值问题

Option是Monad, 那么我们当然可以用它来解决表达式求值问题了. 事实上, 我们已经使用 Option了, 只不过前面利用的是Option中None表示错误状态这样的特点, 我们还是使用手工的方式组合computation, 判断是否为None, 并根据判断进行不同的操作. 通过Option的源代码, 我们知道Option的map和flatMap可以帮助我们进行这样的判断, 而且我们可以传入函数参数来进行计算. 所以Arbow给出了Option的Monad版本.

同样的, 代码不再重复贴出, 我们挑Add操作来分析加入Monad前后的实现, 在加入 Monad之前的代码是下面的样子, 我们手动分析参数Expr进行eval之后的结果是否为 None, 并根据判断结果进行不同的操作:

case class Add(e1:Expr,e2:Expr) extends Expr {  
  def eval = e1.eval match {  
    case Some(n1) => e2.eval match {  
      case Some(n2) => Some(n1 + n2)  
      case None => None  
    }  
    case None => None  
  }  
}

我们来简单分析一下, Add操作需要做的是将两个Expr e1, e2的求值结果进行相加, 而当其中任何一个是None的时候, Add操作总是返回None. 当映射到map和flatMap时, 就相当于对 e1.eval的结果map上”加上e2.eval”这样的操作. 所以第一步我们可以写成如下的样子:

case class Add(e1: Expr, e2: Expr) extends Expr {
  def eval : Option[Int] = e1.eval match {
    case Some(n1) => e2.eval map { x => n1 + x }
    case None => None
  }
}

当想清楚这一步之后, 既然内部的pattern match操作可以简化成一次map, 那么外面的是否也可以呢．我们可以把. “e2.eval map {x => n1 + x}“看成是一个”x: Int => Option [Int]” 的函数. 因此可以写下最后的版本:

case class Add(e1: Expr, e2: Expr) extends Expr {
  def eval : Option[Int] = 
    e1.eval flatMap (y => (e2.eval map (x => x + y ))
  }
}

这里外层使用flatMap的原因是内部的 (y => (e2.eval map (x = x + y)) 操作返回的是Option[Int], 因此需要flatten.

因为map和flatMap都已经帮我们处理了参数为None的情况, 所以我们不再费神去写检测的代码. 当所以的操作都写成如上例子中的效果时, 我们的程序瞬间简化了很多.

for/yield syntax sugar

直接的调用map和flatMap看起来还是有些别扭, 如果并非对函数式程序设计烂熟于心,还是很难看出到底在做什么样的操作. 而实际上Scala提供了for/yield syntax sugar来做 map/flatMap的操作.

val qs = for(n <- ns) yield f(n)

// is syntax sugar for
val qs = ns map f

// and a little bit complex    
val qs = for(n <- ns; o <- os) yield f(n, o)

// is syntax sugar for
val qs = ns flatMap ( x => ns map (y => f(x, y) ))

// or more complex 
... ...

从 ns map f 到 for(n <- ns) yield f(n) 较容易理解, map的含义就是对Container 中的每一个元素进行函数f操作, 然后结果被组合成在新的Container里面,这个操作和 for(n <- ns) yield f(n) 是一样的效果. 而map/flatMap的组合, 我们可以通过Add操作的例子来理解, 在Add操作中, 我们通过flatMap和map的组合完成的操作,实际上就是对两个 Container中的元素的组合进行f操作. 当然, for语句的含义远比上面描述的还要复杂, 这里不再描述, 更多内容, 请参考Monads are Elephants.

当了解到这样的syntax sugar之后, 我们的Add.eval方法可以最后变成:

def eval: Option[Int] = 
    for(x <- e1.eval, x <- e2.eval) yield (x + y)

没有烦人的None判断, 也没有map和flatMap.

转载于:https://my.oschina.net/mustang/blog/160278

weixin_34221332

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫