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

来源:转载

    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:

 1 trait Monad[F[_]] extends Applicative[F] with Bind[F] { self =>

2 //// scalaz/Monad.scala

3

4 override def map[A,B](fa: F[A])(f: A => B) = bind(fa)(a => point(f(a)))

5 ...

6 trait Applicative[F[_]] extends Apply[F] { self =>

7 //// scalaz/Applicative.scala

8 def point[A](a: => A): F[A]

9 ...

10 trait Apply[F[_]] extends Functor[F] { self =>

11 //// scalaz/Apply.scala

12 def ap[A,B](fa: => F[A])(f: => F[A => B]): F[B]

13 ...

14 trait Bind[F[_]] extends Apply[F] { self =>

15 //// scalaz/Bind.scala

16

17 /** Equivalent to `join(map(fa)(f))`. */

18 def bind[A, B](fa: F[A])(f: A => F[B]): F[B]

19

20 override def ap[A, B](fa: => F[A])(f: => F[A => B]): F[B] = {

21 lazy val fa0 = fa

22 bind(f)(map(fa0))

23 }

24 ...

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

 1 final class BindOps[F[_],A] private[syntax](val self: F[A])(implicit val F: Bind[F]) extends Ops[F[A]] {

2 ////

3 import Liskov.<~<, Leibniz.===

4

5 def flatMap[B](f: A => F[B]) = F.bind(self)(f)

6

7 def >>=[B](f: A => F[B]) = F.bind(self)(f)

8

9 def ∗[B](f: A => F[B]) = F.bind(self)(f)

10 ...

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

 1 final class MonadOps[F[_],A] private[syntax](val self: F[A])(implicit val F: Monad[F]) extends Ops[F[A]] {

2 ////

3

4 def liftM[G[_[_], _]](implicit G: MonadTrans[G]): G[F, A] = G.liftM(self)

5

6 def whileM[G[_]](p: F[Boolean])(implicit G: MonadPlus[G]): F[G[A]] = F.whileM(p, self)

7

8 def whileM_(p: F[Boolean]): F[Unit] = F.whileM_(p, self)

9

10 def untilM[G[_]](p: => F[Boolean])(implicit G: MonadPlus[G]): F[G[A]] = F.untilM(self, p)

11

12 def untilM_(p: => F[Boolean]): F[Unit] = F.untilM_(self, p)

13

14 def iterateWhile(p: A => Boolean): F[A] = F.iterateWhile(self)(p)

15

16 def iterateUntil(p: A => Boolean): F[A] = F.iterateUntil(self)(p)

17

18 ////

19 }

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:

1 // Functor : map[A,B] (F[A])(f: A => B): F[B]

2 // Applicative: ap[A,B] (F[A])(f: F[A => B]): F[B]

3 // 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:

1 // 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:

1 // for {

2 // a <- (fa: F[A])

3 // b <- (fb: F[A])

4 // c <- (fc: F[A])

5 // } 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:

 

 1 class Foo { def bar: Option[Bar] }

2 class Bar { def baz: Option[Baz] }

3 class Bar { def baz: Option[Baz] }

4

5 def compute(maybeFoo: Option[Foo]): Option[Int] =

6 maybeFoo.flatMap { foo =>

7 foo.bar.flatMap { bar =>

8 bar.baz.map { baz =>

9 baz.compute

10 }

11 }

12 }

13 def compute2(maybeFoo: Option[Foo]): Option[Int] =

14 for {

15 foo <- maybeFoo

16 bar <- foo.bar

17 baz <- bar.baz

18 } 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:

1 // 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:

 

1 // 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:

1 2.some flatMap {x => (x + 3).some } //> res0: Option[Int] = Some(5)

2 2.some >>= { x => (x + 3).some } //> res1: Option[Int] = Some(5)

3 (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]:

 

1 Monad[Option].point(2) //> res3: Option[Int] = Some(2)

2 Monad[Option].point(2) >>= {x => Monad[Option].point(x + 3)}

3 //> res4: Option[Int] = Some(5)

4 (None: Option[Int]) >>= {x => Monad[Option].point(x + 3)}

5 //> 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:

1 type Discs = Int //杠铃片数量

2 case class Barbell(left: Discs, right: Discs) {

3 def loadLeft(n: Discs): Barbell = copy(left = left + n)

4 def loadRight(n: Discs): Barbell = copy(right = right + n)

5 }

6 Barbell(0,0).loadLeft(1) //> res8: Exercises.monad.Barbell = Barbell(1,0)

7 Barbell(1,0).loadRight(1) //> res9: Exercises.monad.Barbell = Barbell(1,1)

8 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:

1 Barbell(0,0).loadLeft(1).loadRight(2).loadRight(100).loadLeft(2).loadRight(-99)

2 //> 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:

 1 type Discs = Int //杠铃片数量

2 case class Barbell(left: Discs, right: Discs) {

3 def loadLeft(n: Discs): Option[Barbell] = copy(left = left + n) match {

4 case Barbell(left,right) => if ( (left+right <= 20) && math.abs(left-right) <=3 ) Some(Barbell(left,right)) else None

5 case _ => None

6 }

7 def loadRight(n: Discs): Option[Barbell] = copy(right = right + n) match {

8 case Barbell(left,right) => if ( (left+right <= 20) && math.abs(left-right) <=3 ) Some(Barbell(left,right)) else None

9 case _ => None

10 }

11 }

12 Barbell(0,0).loadLeft(1) //> res8: Option[Exercises.monad.Barbell] = Some(Barbell(1,0))

13 Barbell(1,0).loadRight(1) //> res9: Option[Exercises.monad.Barbell] = Some(Barbell(1,1))

14 Barbell(2,1).loadLeft(-1) //> res10: Option[Exercises.monad.Barbell] = Some(Barbell(1,1))

15 Barbell(0,0).loadLeft(4) //> res11: Option[Exercises.monad.Barbell] = None

16 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:

1 Barbell(0,0).loadLeft(3) >>= {_.loadRight(3)} //> res13: Option[Exercises.monad.Barbell] = Some(Barbell(3,3))

2 Barbell(0,0).loadLeft(3) >>= {_.loadRight(3) >>= {_.loadRight(1)}}

3 //> res14: Option[Exercises.monad.Barbell] = Some(Barbell(3,4))

4 Barbell(0,0).loadLeft(3) >>= {_.loadRight(3) >>= {_.loadRight(1) >>= {_.loadLeft(4)}}}

5 //> res15: Option[Exercises.monad.Barbell] = Some(Barbell(7,4))

6 Barbell(0,0).loadLeft(1) >>= {_.loadRight(5) >>= {_.loadLeft(2)}}

7 //> res16: Option[Exercises.monad.Barbell] = None

8 Monad[Option].point(Barbell(0,0)) >>= {_.loadLeft(3) >>= {_.loadRight(6)}}

9 //> 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:

 

 1 def addWeight: Option[Barbell] = for {

2 b0 <- Monad[Option].point(Barbell(0,0))

3 b1 <- b0.loadLeft(3)

4 b2 <- b1.loadRight(3)

5 } yield b2 //> addWeight: => Option[Exercises.monad.Barbell]

6 addWeight //> res18: Option[Exercises.monad.Barbell] = Some(Barbell(3,3))

7

8 def addWeight1: Option[Barbell] = for {

9 b0 <- Monad[Option].point(Barbell(0,0))

10 b1 <- b0.loadLeft(4)

11 b2 <- b1.loadRight(3)

12 } yield b2 //> addWeight1: => Option[Exercises.monad.Barbell]

13 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。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 


分享给朋友:
您可能感兴趣的文章:
随机阅读: