文章目录
scala当中的类型参数
类型参数主要就是研究scala当中的类或者scala当中的方法的泛型
scala当中的类的泛型
object Demo8 {
def main(args: Array[String]): Unit = {
val result1 = new MyClass("hello",50)
val result2 = new MyClass[Any,Any]("zhangsan","Lisi");
}
}
/**
* 定义一个class类,接收两个参数,但是两个参数都是泛型,泛型的类型,会根据我们
* 创建类的实例化对象的时候,动态的传递进行动态的推断
* @param first
* @param second
* @tparam T
* @tparam B
*/
class MyClass[T,B](first:T,second:B){
println(first+","+second)
}
函数的泛型
我们的函数或者方法,也可以有类型参数
object methodType{
def getMiddle[T](canshu:T) ={
canshu
}
def main(args: Array[String]): Unit = {
// 从参数类型来推断类型
println(getMiddle(Array("Bob", "had", "a", "little", "brother")).getClass.getTypeName)
//指定类型,并保存为具体的函数。
val f = getMiddle[String] _
println(f("Bob"))
}
}
scala当中的上下界之泛型类型的限定
在scala当中,我们可以通过上界或者下界来限定我们泛型的类型,类似于java当中的
? extends T ?号就表示我们使用的泛型,必须是T类型的子类,这种情况叫做上界
? super T ?号就表示我们使用的泛型,必须是T类型的父类,这种情况叫做下界
在scala当中上界的表示方法使用的是 “<:”, 这个符号就是表示上界,这种形式称之为泛型的上界。
在scala当中下界的表示方式使用的是 “>:”, 这个符号就是表示下界,这种形式称之为泛型的下界
1、泛型的上界限定
我们可以通过上界的限定,限定我们传入的类型必须是某个类型的子类
class Pair1[T <: Comparable[T]](val first: T, val second: T) {
def smaller = if (first.compareTo(second) < 0) first else second
}
object Main1 extends App{
override def main(args: Array[String]): Unit = {
val p = new Pair1("hello", "Brooks")
println(p.smaller)
}
}
泛型的下界限定
我们可以通过下界的限定,限定我们传入的类型必须是某个类型的父类
class Pair2[T](val first: T, val second: T) {
def replaceFirst[R >: T](newFirst: R) = new Pair2[R](newFirst, second)
override def toString = "(" + first + "," + second + ")"
}
object Main2 extends App{
override def main(args: Array[String]): Unit = {
val p = new Pair2("Nick", "Alice")
println(p)
println(p.replaceFirst("Joke"))
println(p)
}
}
在Java中,T同时是A和B的子类型,称之为多界,形式如:<T extends A & B>。
在Scala中,对上界和下界不能有多个,但是可以使用混合类型,如:[T <: A with B]。
在Java中,不支持下界的多界形式。如:<T super A & B>这是不支持的。
在Scala中,对复合类型依然可以使用下界,如:[T >: A with B]。
scala当中的视图界定
说白了就是将我们的泛型转化成了具体的类型
在Scala中,如果你想标记某一个泛型可以隐式的转换为另一个泛型,可以使用:[T <% Comparable[T]],由于Scala的Int类型没有实现Comparable接口,所以我们需要将Int类型隐式的转换为RichInt类型,比如:
我们如果需要比较两个值的大小,那么我们的两个值必须是Comparable的子类,那么我们可以使用泛型 T <% Comparable 来限制我们泛型必须是Comparable的子类,并且我们的泛型在执行真正比较的方法的时候,会根据我们传入的类型,自动推断,进行隐式的转换,例如我们传入4,2 进行比较,那么我们会将4, 2 这两个类型做自动推断,转换成真正的RichInt类型然后再继续进行比较
/**
* 使用 <% 来实现我们类型的隐式转换
* @param first
* @param second
* @tparam T
*/
class Pair3[T <% Comparable[T]](val first: T, val second: T) {
def smaller = if (first.compareTo(second) < 0) first else second
override def toString = "(" + first + "," + second + ")"
}
object Main3 extends App {
val p = new Pair3(4, 2)
println(p.smaller)
}
scala当中的协变,逆变和非变
协变和逆变主要是用来解决参数化类型的泛化问题。Scala的协变与逆变是非常有特色的,完全解决了Java中泛型的一大缺憾;举例来说,Java中,如果有 A是 B的子类,但 Card[A] 却不是 Card[B] 的子类;而 Scala 中,只要灵活使用协变与逆变,就可以解决此类 Java 泛型问题;
由于参数化类型的参数(参数类型)是可变的,当两个参数化类型的参数是继承关系(可泛化),那被参数化的类型是否也可以泛化呢?Java中这种情况下是不可泛化的,然而Scala提供了三个选择,即协变(“+”)、逆变(“-”)和非变。
下面说一下三种情况的含义,首先假设有参数化特征Queue,那它可以有如下三种定义。
(1) trait Queue[T] {}
这是非变情况。这种情况下,当类型B是类型A的子类型,则Queue[B]与Queue[A]没有任何从属关系,这种情况是和Java一样的。
(2) trait Queue[+T] {}
这是协变情况。这种情况下,当类型B是类型A的子类型,则Queue[B]也可以认为是Queue[A]的子类型,即Queue[B]可以泛化为Queue[A]。也就是被参数化类型的泛化方向与参数类型的方向是一致的,所以称为协变。
(3) trait Queue[-T] {}
这是逆变情况。这种情况下,当类型B是类型A的子类型,则Queue[A]反过来可以认为是Queue[B]的子类型。也就是被参数化类型的泛化方向与参数类型的方向是相反的,所以称为逆变。
协变、逆变、非变总结
C[+T]:如果A是B的子类,那么C[A]是C[B]的子类。
C[-T]:如果A是B的子类,那么C[B]是C[A]的子类。
C[T]: 无论A和B是什么关系,C[A]和C[B]没有从属关系。
class Anmial
class Dog extends Anmial
协变
List[Dog] extends List[Anmial]
逆变
List[Anmial] extends List[Dog]
不变
List[Dog] = List[Dog]
scala当中的Actor并发编程
注:Scala Actor是scala 2.10.x版本及以前版本的Actor。
Scala在2.11.x版本中将Akka加入其中,作为其默认的Actor,老版本的Actor已经废弃。
scala当中的Actor介绍
①Scala中的并发编程思想与Java中的并发编程思想完全不一样,Scala中的Actor是一种不共享数据,依赖于消息传递的一种并发编程模式, 避免了死锁、资源争夺等情况。在具体实现的过程中,Scala中的Actor会不断的循环自己的邮箱,并通过receive偏函数进行消息的模式匹配并进行相应的处理。
②如果Actor A和 Actor B要相互沟通的话,首先A要给B传递一个消息,B会有一个收件箱,然后B会不断的循环自己的收件箱, 若看见A发过来的消息,B就会解析A的消息并执行,处理完之后就有可能将处理的结果通过邮件的方式发送给A
什么是Scala Actor
概念
Scala中的Actor能够实现并行编程的强大功能,它是基于事件模型的并发机制,Scala是运用消息的发送、接收来实现高并发的。
Actor可以看作是一个个独立的实体,他们之间是毫无关联的。但是,他们可以通过消息来通信。一个Actor收到其他Actor的信息后,它可以根据需要作出各种相应。消息的类型可以是任意的,消息的内容也可以是任意的。
java并发编程与Scala Actor编程的区别
对于Java,我们都知道它的多线程实现需要对共享资源(变量、对象等)使用synchronized 关键字进行代码块同步、对象锁互斥等等。而且,常常一大块的try…catch语句块中加上wait方法、notify方法、notifyAll方法是让人很头疼的。原因就在于Java中多数使用的是可变状态的对象资源,对这些资源进行共享来实现多线程编程的话,控制好资源竞争与防止对象状态被意外修改是非常重要的,而对象状态的不变性也是较难以保证的。
与Java的基于共享数据和锁的线程模型不同,Scala的actor包则提供了另外一种不共享任何数据、依赖消息传递的模型,从而进行并发编程。
Actor的执行顺序
1、首先调用start()方法启动Actor
2、调用start()方法后其act()方法会被执行
3、向Actor发送消息
4、act方法执行完成之后,程序会调用exit方法
发送消息的方式
注意:Future 表示一个异步操作的结果状态,可能还没有实际完成的异步任务的结果。
Any 是所有类的超类,Future[Any]的泛型是异步操作结果的类型。
Actor实战
第一个例子
怎么实现actor并发编程:
1、定义一个class或者是object继承Actor特质,注意导包import scala.actors.Actor
2、重写对应的act方法
3、调用Actor的start方法执行Actor
4、当act方法执行完成,整个程序运行结束
import scala.actors.Actor
class Actor1 extends Actor{
override def act(): Unit = {
for(i <- 1 to 10){
println("actor1====="+i)
}
}
}
object Actor2 extends Actor{
override def act(): Unit = {
for(j <- 1 to 10){
println("actor2====="+j)
}
}
}
object Actor1{
def main(args: Array[String]): Unit = {
val actor = new Actor1
actor.act()
Actor2.act()
}
}
说明:上面分别调用了两个单例对象的start()方法,他们的act()方法会被执行,相同与在java中开启了两个线程,线程的run()方法会被执行
注意:这两个Actor是并行执行的,act()方法中的for循环执行完成后actor程序就退出
第二个例子
怎么实现actor发送、接受消息
1、定义一个class或者是object继承Actor特质,注意导包import scala.actors.Actor
2、重写对应的act方法
3、调用Actor的start方法执行Actor
4、通过不同发送消息的方式对actor发送消息
5、act方法中通过receive方法接受消息并进行相应的处理
6、act方法执行完成之后,程序退出
import scala.actors.Actor
class MyActor2 extends Actor{
override def act(): Unit = {
receive{
case "start" => println("starting......")
// case _ => println("我没有匹配到任何消息")
}
}
}
object MyActor2{
def main(args: Array[String]): Unit = {
val actor = new MyActor2
actor.start()
actor ! "start"
}
}
第三个例子
怎么实现actor可以不断地接受消息:
在act方法中可以使用while(true)的方式,不断的接受消息。
class MyActor3 extends Actor{
override def act(): Unit = {
while (true){
receive{
case "start" => println("starting")
case "stop" =>println("stopping")
}
}
}
}
object MyActor3{
def main(args: Array[String]): Unit = {
val actor = new MyActor3
actor.start()
actor ! "start"
actor ! "stop"
}
}
说明:在act()方法中加入了while (true) 循环,就可以不停的接收消息
注意:发送start消息和stop的消息是异步的,但是Actor接收到消息执行的过程是同步的按顺序执行
第四个例子
使用react方法代替receive方法去接受消息
好处:react方式会复用线程,避免频繁的线程创建、销毁和切换。比receive更高效
注意: react 如果要反复执行消息处理,react外层要用loop,不能用while
class MyActor4 extends Actor{
override def act(): Unit = {
loop{
react{
case "start" => println("starting")
case "stop" => println("stopping")
}
}
}
}
object MyActor4{
def main(args: Array[String]): Unit = {
val actor = new MyActor4
actor.start()
actor ! "start"
actor ! "stop"
}
}
第五个例子
结合case class样例类发送消息和接受消息
1、将消息封装在一个样例类中
2、通过匹配不同的样例类去执行不同的操作
3、Actor可以返回消息给发送方。通过sender方法向当前消息发送方返回消息
case class AsyncMessage(id:Int,message:String)
case class SyncMessage(id:Int,message:String)
case class ReplyMessage(id:Int,message:String)
class MyActor5 extends Actor{
override def act(): Unit = {
loop{
react{
case AsyncMessage(id,message) => {
println(s"$id,$message")
sender ! ReplyMessage(2,"异步有返回值的消息处理成功")
}
case SyncMessage(id,message) =>{
println(s"$id,$message")
sender ! ReplyMessage(id,"我是同步消息的返回值,等到我返回之后才能继续下一步的处理")
}
}
}
}
}
object MyActor5{
def main(args: Array[String]): Unit = {
val actor: MyActor5 = new MyActor5
actor.start()
actor ! AsyncMessage(1,"helloworld")
val asyncMessage: Future[Any] = actor !! AsyncMessage(2,"actorSend")
val apply: Any = asyncMessage.apply()
println(apply)
println("helloworld22222")
//同步阻塞消息
val syncMessage: Any = actor !? SyncMessage(3,"我是同步阻塞消息")
println(syncMessage)
}
}
实战WordCount
需求:
用actor并发编程写一个单机版的WordCount,将多个文件作为输入,计算完成后将多个任务汇总,得到最终的结果。
大致的思想步骤:
1、通过loop +react 方式去不断的接受消息
2、利用case class样例类去匹配对应的操作
3、其中scala中提供了文件读取的接口Source,通过调用其fromFile方法去获取文件内容
4、将每个文件的单词数量进行局部汇总,存放在一个ListBuffer中
5、最后将ListBuffer中的结果进行全局汇总。
import scala.actors.{Actor, Future}
import scala.collection.mutable
import scala.collection.mutable.ListBuffer
import scala.io.{BufferedSource, Source}
case class FileName(path: String)
case class ResultTask(mapWithWord: Map[String, Int])
class WordCount extends Actor {
override def act(): Unit = {
loop {
react {
//使用loop + react的方式接受我们的数据
case FileName(path: String) => {
//使用Source来读取文件内容
val file: BufferedSource = Source.fromFile(path)
//获取文件所有内容
val fileContent: String = file.mkString
// println(fileContent)
//对文件内容进行切分
val split: Array[String] = fileContent.split("\r\n")
// println(split.toBuffer)
//对每一行进行按照空格进行切分
// val map: Array[Array[String]] = split.map(x => x.split(" "))
//切分之后,将数据进行压平
// val flatten: Array[String] = map.flatten
val flatten: Array[String] = split.flatMap(x => x.split(" "))
val map1: Array[(String, Int)] = flatten.map(x => (x, 1))
// println(map1.toBuffer)
val byKey: Map[String, Array[(String, Int)]] = map1.groupBy(x => x._1)
val values: Map[String, Int] = byKey.mapValues(x => x.length)
sender ! ResultTask(values)
}
}
}
}
}
object WordCount {
def main(args: Array[String]): Unit = {
//申明一个变量,存放我们的结果数据
val resultTasks = new ListBuffer[ResultTask]
//申明一个set集合用于存放我们异步发送的返回消息值
val futureSet: mutable.HashSet[Future[Any]] = new mutable.HashSet[Future[Any]]()
//定义我们需要统计的数据文件路径
val files: Array[String] = Array("F:\\scala与spark课件资料教案\\2、scala第二天\\wordCount\\1.txt", "F:\\scala与spark课件资料教案\\2、scala第二天\\wordCount\\2.txt", "F:\\scala与spark课件资料教案\\2、scala第二天\\wordCount\\3.txt")
//循环遍历我们的数据文件,然后进行发送
for (f <- files) {
val count: WordCount = new WordCount
count.start();
val value: Future[Any] = count !! FileName(f)
futureSet.add(value)
}
while (futureSet.size > 0) {
//过滤我们的set集合,只取那些有值的set集合
val completeFuture: mutable.HashSet[Future[Any]] = futureSet.filter(x => x.isSet)
for (future <- completeFuture) {
// 调用apply方法,获取到我们的future实例,实际上就是ResultTask
val futureApply: Any = future.apply()
//判断我们的结果值如果是ResultTask类型的话,那么我们就添加到我们的ListBuffer当中去,表示已经获取到了返回结果
resultTasks += futureApply.asInstanceOf[ResultTask]
//添加完ListBuffer之后,将set集合当中的元素减少,以便于退出while循环
futureSet -= future
}
}
println(resultTasks)
val flatten: ListBuffer[(String, Int)] = resultTasks.map(x => x.mapWithWord).flatten
val by: Map[String, ListBuffer[(String, Int)]] = flatten.groupBy( x => x._1)
println(by)
//第一个下划线表示我们累加之后的结果
// 第二个下划线表示我们集合当中每一个元组
// _2 表示元组当中第二个元素
val values: Map[String, Int] = by.mapValues(x => x.foldLeft(0)( _ + _._2))
for((k,v) <- values){
println(k+"====>"+v)
}
}
}