Scalaz（10）－ Monad：就是一种函数式编程模式－a design pattern

2024-04-09 05:08
文章标签 函数 模式 design 编程 一种 pattern monad scalaz

本文主要是介绍Scalaz（10）－ Monad：就是一种函数式编程模式－a design pattern，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

    Monad typeclass不是一种类型，而是一种程序设计模式（design pattern），是泛函编程中最重要的编程概念，因而很多行内人把FP又称为Monadic Programming。这其中透露的Monad重要性则不言而喻。Scalaz是通过Monad typeclass为数据运算的程序提供了一套规范的编程方式，如常见的for-comprehension。而不同类型的Monad实例则会支持不同的程序运算行为，如：Option Monad在运算中如果遇到None值则会中途退出；State Monad会确保状态值会伴随着程序运行流程直到终结；List Monad运算可能会产生多个结果等等。Scalaz提供了很多不同种类的Monad如：StateMonad, IOMonad, ReaderMonad, WriterMonad，MonadTransformer等等，这从另一个角度也重申了Monad概念在泛函编程里的重要性。听起来以上这些描述好像有点摸不着头脑，可能应该把它们放在本篇最终总结，不过我还是想让大家有个大的概念。对下面的讨论细节的理解能有所帮助。我们还是从Monad trait开始介绍吧：

trait Monad[F[_]] extends Applicative[F] with Bind[F] { self =>scalaz/Monad.scalaoverride def map[A,B](fa: F[A])(f: A => B) = bind(fa)(a => point(f(a)))
...
trait Applicative[F[_]] extends Apply[F] { self =>scalaz/Applicative.scaladef point[A](a: => A): F[A]
...
trait Apply[F[_]] extends Functor[F] { self =>scalaz/Apply.scaladef ap[A,B](fa: => F[A])(f: => F[A => B]): F[B]
...
trait Bind[F[_]] extends Apply[F] { self =>scalaz/Bind.scala/** Equivalent to `join(map(fa)(f))`. */def bind[A, B](fa: F[A])(f: A => F[B]): F[B]override def ap[A, B](fa: => F[A])(f: => F[A => B]): F[B] = {lazy val fa0 = fabind(f)(map(fa0))}
...

上面这些类型trait的继承关系是这样的：Monad继承了Applicative和Bind，Applicative继承了Apply, Apply继承了Functor, Bind也继承了Apply。所以Monad同时又是Applicative和Functor，因为Monad实现了map和ap函数。一个Monad实例可以调用所有Applicative和Functor提供的组件函数。任何实例只需要实现抽象函数point和bind就可以成为Monad实例，然后就可以使用Monad所有的组件函数了。

Monad所提供的主要注入方法（injected method）是在BindOps和MonadOps里。在BindOps里主要提供了flatMap: scalaz/syntax/BindSyntax.scala

final class BindOps[F[_],A] private[syntax](val self: F[A])(implicit val F: Bind[F]) extends Ops[F[A]] {import Liskov.<~<, Leibniz.===def flatMap[B](f: A => F[B]) = F.bind(self)(f)def >>=[B](f: A => F[B]) = F.bind(self)(f)def ∗[B](f: A => F[B]) = F.bind(self)(f)
...


主要是这个flatMap函数，在scalaz里用>>=来表示。这是一个大家都起码耳熟的函数：好像flatMap就代表了Monad。在MonadOps里提供的注入方法如下：scalaz/Syntax/MonadSyntax.scala

final class MonadOps[F[_],A] private[syntax](val self: F[A])(implicit val F: Monad[F]) extends Ops[F[A]] {def liftM[G[_[_], _]](implicit G: MonadTrans[G]): G[F, A] = G.liftM(self)def whileM[G[_]](p: F[Boolean])(implicit G: MonadPlus[G]): F[G[A]] = F.whileM(p, self)def whileM_(p: F[Boolean]): F[Unit] = F.whileM_(p, self)def untilM[G[_]](p: => F[Boolean])(implicit G: MonadPlus[G]): F[G[A]] = F.untilM(self, p)def untilM_(p: => F[Boolean]): F[Unit] = F.untilM_(self, p)def iterateWhile(p: A => Boolean): F[A] = F.iterateWhile(self)(p)def iterateUntil(p: A => Boolean): F[A] = F.iterateUntil(self)(p)}

看起来这些注入方法都是一些编程语言里的流程控制语法（control flow syntax）。这是不是暗示着Monad最终会实现某种编程语言？我们把这些函数的使用方法放在后面的一些讨论去。我们先来分析一下flatMap函数，因为这是个Monad代表函数。下面是Functor,Applicative和Monad施用函数格式比较：

// Functor    :  map[A,B]    (F[A])(f:   A => B):  F[B]
// Applicative:  ap[A,B]     (F[A])(f: F[A => B]): F[B] 
// Monad      :  flatMap[A,B](F[A])(f: A => F[B]): F[B]


以上三种函数款式基本上是一致的。大家都说这就是三种FP的函数施用方式：在一个容器内进行函数的运算后把结果还留在容器内、得到的效果是这样的：F[A] => F[B]。只是它们分别用不同的方式提供这个施用的函数。Functor的map提供了普通函数，Applicative通过容器提供了施用函数ap而Monad则是通过直接函数施用方式来实现F[A] => F[B]: 直接对输入A进行函数施用并产生一个F[B]结果。Monad的这种方式应该不是严格意义上的在容器内进行函数施用。从另一个角度分析，Monad可以被视作某种算法(computation)。Monad F[A]代表了对一个A类型数据的算法(computation)。如果这样说那么Monad就有了全新的解释：Monad就是一种可以对某种类型的数据值进行连续计算的算法(computation)：如果我们把flatMap串联起来的话就会是这样的：

//   fa.flatMap(a => fb.flatMap(b => fc.flatMap(c => fd.map(...))))

在这里fa,fb,fc都是F[T]这样的算法。可以看出当我们把flatMap串接起来后就形成了一个串型（sequencial）流程（workflow）的F[]算法。为了更清楚的了解串接flatMap的意义，我们用同等的for-comprehension来示范： 
//   for {
//      a <- (fa: F[A])
//      b <- (fb: F[A])
//      c <- (fc: F[A])
//   } yield { ... }

这样表达会更加清晰了：我们先运算fa，得到结果a后接着运算fb,得出结果b后再运算fc，得出结果c ... 这像是一段行令程序（imperative program）。我们再用个形象点的例子来示范说明： 
class Foo { def bar: Option[Bar] }
class Bar { def baz: Option[Baz] }
class Bar { def baz: Option[Baz] }def compute(maybeFoo: Option[Foo]): Option[Int] =maybeFoo.flatMap { foo =>foo.bar.flatMap { bar =>bar.baz.map { baz =>baz.compute}}}
def compute2(maybeFoo: Option[Foo]): Option[Int] =for {foo <- maybeFoobar <- foo.barbaz <- bar.baz}  yield baz.compute

可以看出，每一个算法都依赖前面算法得出的结果。从这个例子我们可以得出Monad的串型运算（sequencial computation）特性。确切来说，flatMap并不适合并行运算，所以我们需要Applicative。这是因为Applicative是在既有的容器中运算，而flatMap则会重新创建新的容器（在Monad的世界里容器即为算法（computation）。但是因为我们讲过Monad就是Applicative，所以Monad也可以实现并行运算。Applicative 的 ap 函数可以用 flatMap实现： 

// ap[A,B](ma: F[A])(mf: F[A => B]): F[B] = mf.flatMap(f => ma.flatMap(a => point(f(a)))


也可以用flatMap来实现Functor的map函数： 
// map[A,B](fa: F[A])(f: A => B): F[B] = fa.flatMap(a => point(f(a)))


从上面的例子好像可以领悟一些关于FP即Monadic Programming的说法。形象的来讲：这个所谓的算法Monad F[]就好像是在F[]这么个壳子里进行传统编程：还记着的话，FP编程既是纯函数（pure function）对F[T]里的T值进行运算，没有中间变量（temp variable）,没有副作用（no side-effect）。但现在有了Monad，我们就可以使用传统的行令编程（imperative programming）了。再形象一点来说上面的for loop就像F[]壳子，在for loop内可以进行申明变量，更新状态等OOP式行令编程。但这些变化（mutability）不会漏出for loop之外。不过，本篇所述Monad编程的单一局限性还是很明显的：因为在for loop 内部的操作函数都必须返回同一种类型的Monad实例如：Option[], List[]，SomeType[]等等。而且程序运算行为只会受一种类型的特性所控制。如上面所叙，Monad实例的类型控制Monadic程序的运算行为。每一种Monad实例的程序可以有不同的运算方式。如果需要多种类型行为的Monad程序，就需要使用Monad Transformer typeclass了。这个在将来的讨论中自会提及，现在好像说的过头了。我们还是回到Monad的基本操作。

Option是scala标准库的一个类型。它已经是个Monad，所以可以使用flatMap：

2.some flatMap {x => (x + 3).some }               //> res0: Option[Int] = Some(5)
2.some >>= { x => (x + 3).some }                  //> res1: Option[Int] = Some(5)
(none: Option[Int]) >>= {x => (x + 3).some }      //> res2: Option[Int] = None


我们可以用Monad[T] point来把一个普通值A升格到T[A]： 

Monad[Option].point(2)                            //> res3: Option[Int] = Some(2)
Monad[Option].point(2) >>= {x => Monad[Option].point(x + 3)}//> res4: Option[Int] = Some(5)
(None: Option[Int]) >>= {x => Monad[Option].point(x + 3)}//> res5: Option[Int] = None


在上面的例子里我们不断提及Option Monad是有原因的，因为Option类型的Monad典型实例，在控制运算流程时最有特点：可以在中途退出，在遇到None值时可以立即终止运算。

我们用一个比较现实点的例子来示范：我正尝试用自己的方式来练习举重 - 我最多能举起50KG、每个杠铃片重2.5公斤、杠铃两端不必平衡，但一边不得超过另一边多于3个杠铃片（多3个还没问题）。试着用一个自定义类型来模拟举重：

type Discs = Int  //杠铃片数量
case class Barbell(left: Discs, right: Discs) {def loadLeft(n: Discs): Barbell = copy(left = left + n)def loadRight(n: Discs): Barbell = copy(right = right + n)
}
Barbell(0,0).loadLeft(1)                          //> res8: Exercises.monad.Barbell = Barbell(1,0)
Barbell(1,0).loadRight(1)                         //> res9: Exercises.monad.Barbell = Barbell(1,1)
Barbell(2,1).loadLeft(-1)                         //> res10: Exercises.monad.Barbell = Barbell(1,1)

现在这个自定义类型Barbell是可以跟踪当前杠铃左右重量状态的。现在我把往杠铃上增加重量片的过程串联起来： 

Barbell(0,0).loadLeft(1).loadRight(2).loadRight(100).loadLeft(2).loadRight(-99)//> res11: Exercises.monad.Barbell = Barbell(3,3)

可以看到这个过程中有些环节已经超出了我的能力，但杠铃最终状态好像还是合理的。我们需要在重量配置不合理的时候就立即终止。现在我们可以用Option来实现这项功能：

type Discs = Int  //杠铃片数量
case class Barbell(left: Discs, right: Discs) {def loadLeft(n: Discs): Option[Barbell] = copy(left = left + n) match {case Barbell(left,right) => if ( (left+right <= 20) && math.abs(left-right) <=3 ) Some(Barbell(left,right)) else Nonecase _ => None}def loadRight(n: Discs): Option[Barbell] = copy(right = right + n) match {case Barbell(left,right) => if ( (left+right <= 20) && math.abs(left-right) <=3 ) Some(Barbell(left,right)) else Nonecase _ => None}
}
Barbell(0,0).loadLeft(1)                          //> res8: Option[Exercises.monad.Barbell] = Some(Barbell(1,0))
Barbell(1,0).loadRight(1)                         //> res9: Option[Exercises.monad.Barbell] = Some(Barbell(1,1))
Barbell(2,1).loadLeft(-1)                         //> res10: Option[Exercises.monad.Barbell] = Some(Barbell(1,1))
Barbell(0,0).loadLeft(4)                          //> res11: Option[Exercises.monad.Barbell] = None
Barbell(15,1).loadRight(15)                       //> res12: Option[Exercises.monad.Barbell] = None


超出重量平衡的情况返回了None。现在返回值是个Option，而Option是个Monad，所以我们可以用flatMap把每个环节串联起来：

Barbell(0,0).loadLeft(3) >>= {_.loadRight(3)}     //> res13: Option[Exercises.monad.Barbell] = Some(Barbell(3,3))
Barbell(0,0).loadLeft(3) >>= {_.loadRight(3) >>= {_.loadRight(1)}}//> res14: Option[Exercises.monad.Barbell] = Some(Barbell(3,4))
Barbell(0,0).loadLeft(3) >>= {_.loadRight(3) >>= {_.loadRight(1) >>= {_.loadLeft(4)}}}//> res15: Option[Exercises.monad.Barbell] = Some(Barbell(7,4))
Barbell(0,0).loadLeft(1) >>= {_.loadRight(5) >>= {_.loadLeft(2)}}//> res16: Option[Exercises.monad.Barbell] = None
Monad[Option].point(Barbell(0,0)) >>= {_.loadLeft(3) >>= {_.loadRight(6)}}//> res17: Option[Exercises.monad.Barbell] = Some(Barbell(3,6))

我们的最终目的是用for-comprehension来表述，会更加清晰：

def addWeight: Option[Barbell] = for {b0 <- Monad[Option].point(Barbell(0,0))b1 <- b0.loadLeft(3)b2 <- b1.loadRight(3)
} yield b2                                        //> addWeight: => Option[Exercises.monad.Barbell]
addWeight                                         //> res18: Option[Exercises.monad.Barbell] = Some(Barbell(3,3))def addWeight1: Option[Barbell] = for {b0 <- Monad[Option].point(Barbell(0,0))b1 <- b0.loadLeft(4)b2 <- b1.loadRight(3)
} yield b2                                        //> addWeight1: => Option[Exercises.monad.Barbell]
addWeight1                                        //> res19: Option[Exercises.monad.Barbell] = None

从以上的例子可以得出：实现了一个数据类型的Monad实例后就可以获取以这个类型控制运算行为的一种简单的编程语言，这种编程语言可以在for loop内部实现传统的行令编程风格。

在本篇讨论中我们介绍了Monad实际上是一种编程模式，并且示范了简单的for loop内部流程运算。在下面的一系列讨论中我们将会了解更多类型的Monad，以及Monad如何能成为功能完善的编程语言。





这篇关于Scalaz（10）－ Monad：就是一种函数式编程模式－a design pattern的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/887248。

相关文章

hdu1171（母函数或多重背包）

hdu1171（母函数或多重背包）

题意：把物品分成两份，使得价值最接近 可以用背包，或者是母函数来解，母函数（1 + x^v+x^2v+.....+x^num*v）（1 + x^v+x^2v+.....+x^num*v）（1 + x^v+x^2v+.....+x^num*v） 其中指数为价值，每一项的数目为（该物品数+1）个 代码如下： #include<iostream>#include<algorithm>
阅读更多...
Linux 网络编程 --- 应用层

Linux 网络编程 --- 应用层

一、自定义协议和序列化反序列化 代码： 序列化反序列化实现网络版本计算器 二、HTTP协议 1、谈两个简单的预备知识 https://www.baidu.com/ --- 域名 --- 域名解析 --- IP地址 http的端口号为80端口，https的端口号为443 url为统一资源定位符。CSDNhttps://mp.csdn.net/mp_blog/creation/editor
阅读更多...
【Python编程】Linux创建虚拟环境并配置与notebook相连接

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如，在当前目录下创建一个名为 myenv 的虚拟环境： python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行： source myenv/bin/activate 3.与notebook连接 在虚拟环境中，使用 pip 安装 Jupyter 和 ipykernel： pip instal
阅读更多...
在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式（Singleton Pattern） 确保一个类只有一个实例，并提供一个全局访问点。 示例代码： class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)
阅读更多...
【编程底层思考】垃圾收集机制，GC算法，垃圾收集器类型概述

【编程底层思考】垃圾收集机制，GC算法，垃圾收集器类型概述

Java的垃圾收集（Garbage Collection，GC）机制是Java语言的一大特色，它负责自动管理内存的回收，释放不再使用的对象所占用的内存。以下是对Java垃圾收集机制的详细介绍： 一、垃圾收集机制概述： 对象存活判断：垃圾收集器定期检查堆内存中的对象，判断哪些对象是“垃圾”，即不再被任何引用链直接或间接引用的对象。内存回收：将判断为垃圾的对象占用的内存进行回收，以便重新使用。
阅读更多...
C++操作符重载实例(独立函数)

C++操作符重载实例(独立函数)

C++操作符重载实例，我们把坐标值CVector的加法进行重载，计算c3=c1+c2时，也就是计算x3=x1+x2，y3=y1+y2，今天我们以独立函数的方式重载操作符+（加号），以下是C++代码： c1802.cpp源代码： D:\YcjWork\CppTour>vim c1802.cpp #include <iostream>using namespace std;/*** 以独立函数
阅读更多...
Go Playground 在线编程环境

Go Playground 在线编程环境

For all examples in this and the next chapter, we will use Go Playground. Go Playground represents a web service that can run programs written in Go. It can be opened in a web browser using the follow
阅读更多...
深入理解RxJava：响应式编程的现代方式

深入理解RxJava：响应式编程的现代方式

在当今的软件开发世界中，异步编程和事件驱动的架构变得越来越重要。RxJava，作为响应式编程（Reactive Programming）的一个流行库，为Java和Android开发者提供了一种强大的方式来处理异步任务和事件流。本文将深入探讨RxJava的核心概念、优势以及如何在实际项目中应用它。 文章目录 💯 什么是RxJava？💯 响应式编程的优势💯 RxJava的核心概念
阅读更多...
函数式编程思想

函数式编程思想

我们经常会用到各种各样的编程思想，例如面向过程、面向对象。不过笔者在该博客简单介绍一下函数式编程思想. 如果对函数式编程思想进行概括，就是f(x) = na(x) , y=uf(x)…至于其他的编程思想，可能是y=a(x)+b(x)+c(x)…，也有可能是y=f(x)=f(x)/a + f(x)/b+f(x)/c… 面向过程的指令式编程 面向过程，简单理解就是y=a(x)+b(x)+c(x)
阅读更多...
模版方法模式template method

模版方法模式template method

学习笔记，原文链接 https://refactoringguru.cn/design-patterns/template-method 超类中定义了一个算法的框架， 允许子类在不修改结构的情况下重写算法的特定步骤。 上层接口有默认实现的方法和子类需要自己实现的方法
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2