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

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

阅读量：5343 次

发布时间：2019-06-15

本文共 8991 字，大约阅读时间需要 29 分钟。

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。

1 import scalaz.stream._2 import scalaz.concurrent._3 object streamApps {4 import Process._5   def getInput: Task[Int] = Task.delay { 3 }      //> getInput: => scalaz.concurrent.Task[Int]6   val prg = await(getInput)(i => emit(i * 3))     //> prg  : scalaz.stream.Process[scalaz.concurrent.Task,Int] = Await(scalaz.concurrent.Task@4973813a,
     
      ,
      
       )7   prg.runLog.run                                  //> res0: Vector[Int] = Vector(9)8 }

这是一个一步计算程序。我们可以再加一步：

1  val add10 = await1[Int].flatMap{i => emit(i + 10)}2                                                   //> add10  : scalaz.stream.Process[[x]scalaz.stream.Process.Env[Int,Any]#Is[x],Int] = Await(Left,
     
      ,
      
       )3   val prg1 = await(getInput)(i => emit(i * 3) |> add10)4                                                   //> prg1  : scalaz.stream.Process[scalaz.concurrent.Task,Int] = Await(scalaz.concurrent.Task@6737fd8f,
       
        ,
        
         )5   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：

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

我们同样可以增加一步输出运算：

1  val outResult: Sink[Task,Int] = sink.lift { i => Task.delay{println(s"the result is: $i")}}2                                                   //> outResult  : scalaz.stream.Sink[scalaz.concurrent.Task,Int] = Append(Emit(Vector(
     
      )),Vector(
      
       ))3   val prg4 = prg1 to outResult                    //> prg4  : scalaz.stream.Process[[x]scalaz.concurrent.Task[x],Unit] = Append(Halt(End),Vector(
       
        , 
        
         ))4   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：

1 import scalaz._ 2 import Scalaz._ 3 import scalaz.concurrent._ 4 import scalaz.stream._ 5 import Process._ 6 object streamAppsDemo extends App { 7   def putLine(line: String) = Task.delay { println(line) } 8   def getLine = Task.delay { Console.readLine } 9   val readL = putLine("Enter:>").flatMap {_ => getLine}10   val readLines =  repeatEval(readL)11   val echoLine = readLines.flatMap {line => eval(putLine(line))}  12   echoLine.run.run13 }

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：

1 Enter:>2 hello world!3 hello world!4 Enter:>5 how are you?6 how are you?7 Enter:>

当然，我们也可以把上面的程序表达的更形象些：

1   val outLine: Sink[Task,String] = constant(putLine _).toSource2   val echoInput: Process[Task,Unit] = readLines to outLine3   //echoLine.run.run4   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：

1   def lines: Process[Task,String] = { 2     def go(line: String): Process[Task,String] =  3         line.toUpperCase match { 4           case "QUIT" => halt 5           case _ => emit(line) ++ await(readL)(go) 6         }  7     await(readL)(go) 8   } 9   10   val prg = lines to outLine11   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：

1   def mul(i: Int) = await1[String].flatMap { s => emit((s.toDouble * i).toString) }.repeat2   val prg = (lines |> mul(5)) to outLine  3   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：

1 Enter:> 2 5 3 25.0 4 Enter:> 5 6 6 30.0 7 Enter:> 8 six 9 Exception in thread "main" java.lang.NumberFormatException: For input string: "six"10     at sun.misc.FloatingDecimal.readJavaFormatString(FloatingDecimal.java:2043)

我们可以用onFailure来捕捉任何错误：

1   def mul(i: Int) = await1[String].flatMap { s => emit((s.toDouble * i).toString) }.repeat2 //val prg = (lines |> mul(5)) to outLine  3   val prg = (lines |> mul(5)).onFailure { e => emit("invalid input!!!") } to outLine4   prg.run.run

现在运算结果变成了下面这样：

1 Enter:>2 53 25.04 Enter:>5 66 30.07 Enter:>8 six9 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：

1   def mul(i: Int) = await1[String].flatMap { s => emit((s.toDouble * i).toString) }.repeat2 //val prg = (lines |> mul(5)) to outLine  3   val prg = (lines |> mul(5)).onFailure { e => emit("invalid input!!!") }4   val prg1 = prg.onComplete{ Process.eval(Task.delay {println("end of program"); ""}) } to outLine5   prg1.run.run

测试结果如下：

1 Enter:> 2 5 3 25.0 4 Enter:> 5 6 6 30.0 7 Enter:> 8 six 9 invalid input!!!10 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：

1 import scalaz._ 2 import Scalaz._ 3 import scalaz.concurrent._ 4 import scalaz.stream._ 5 import Process._ 6 object prgStream extends App { 7   def prompt(prmpt: String) = Task.delay { print(prmpt) } 8   def putLine(line: String) = Task.delay { println(line) } 9   def getLine = Task.delay { Console.readLine }10   val readLine1 = prompt("Prg1>:").flatMap {_ => getLine}11   val readLine2 = prompt("Prg2>:").flatMap {_ => getLine}12   val stdOutput = constant(putLine _).toSource13   def multiplyBy(n: Int) = await1[String].flatMap {line => 14       if (line.isEmpty) halt15       else emit((line.toDouble * n).toString)16   }.repeat17   val prg1: Process[Task,String] =  {18     def go(line: String): Process[Task,String] = line.toUpperCase match {19       case "QUIT" => halt20       case _ => emit(line) ++ await(readLine1)(go)21     }22     await(readLine1)(go)   23   }.onComplete{ Process.eval(Task.delay {println("end of program1"); ""}) }24   val prg2: Process[Task,String] =  {25     def go(line: String): Process[Task,String] = line.toUpperCase match {26       case "QUIT" => halt27       case _ => emit(line) ++ await(readLine2)(go)28     }29     await(readLine2)(go)   30   }.onComplete{ Process.eval(Task.delay {println("end of program2"); ""}) } 31   val program1 = (prg1 |> multiplyBy(3) to stdOutput)32   val program2 = (prg2 |> multiplyBy(5) to stdOutput)33   34   (program1 ++ program2).run.run35   36 }

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：

1 Prg1>:3 2 9.0 3 Prg1>:4 4 12.0 5 Prg1>:quit 6 end of program1 7 Prg2>:5 8 25.0 9 Prg2>:610 30.011 Prg2>:quit12 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：

1  val program1 = (prg1 |> multiplyBy(3) observe stdOutput) 2   val program2 = (prg2 |> multiplyBy(5) observe stdOutput) 3    4   //(program1 ++ program2).run.run 5   val getOption = prompt("Enter your choice>:").flatMap {_ => getLine } 6   val mainPrg: Process[Task,String] = { 7      def go(input: String): Process[Task,String] = input.toUpperCase match { 8        case "QUIT" => halt 9        case "P1" => program1 ++ await(getOption)(go)10        case "P2" => program2 ++ await(getOption)(go)11        case _ => await(getOption)(go)12      }13      await(getOption)(go)14   }.onComplete{ Process.eval(Task.delay {println("end of main"); ""}) } 15   16   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：

1 Enter your choice>:p2 2 Prg2>:3 3 15.0 4 Prg2>:5 5 25.0 6 Prg2>:quit 7 end of program2 8 Enter your choice>:p1 9 Prg1>:310 9.011 Prg1>:612 18.013 Prg1>:quit14 end of program115 Enter your choice>:wat16 Enter your choice>:oh no17 Enter your choice>:quit18 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。

转载于:https://www.cnblogs.com/tiger-xc/p/5763787.html

你可能感兴趣的文章