C#函数式编程之惰性求值

惰性求值

在开始介绍今天要讲的知识之前,我们想要理解严格求值策略和非严格求值策略之间的区别,这样我们才能够深有体会的明白为什么需要利用这个技术。首先需要说明的是C#语言小部分采用了非严格求值策略,大部分还是严格求值策略。首先我们先演示非严格求值策略的情况,我们先在控制台项目中写一个DoOneThing方法。

然后在Main方法中写入下面这串代码:

然后我们运行程序,会发现DoOneThing方法并没有执行。当然这看起来也很正常,因为这是或,并且第一个已经是true了。整个表达式就是true了,自然第二个就无需求值了。但是这恰恰就是非严格求值的策略,如果是严格求值策略的话整个表达式都会计算。接着就是严格求值策略的情况了,这个相信很多人都会立马明白,首先我们需要再写一个DoSomeThing方法:

接着修改Main方法:

执行之后我们可以看到如下的结果:

但是我们可以清楚的看到a的值是false,根本不会使用b值,但是传递参数的时候已经将DoOneThing方法执行并赋值给b,假设这个方法是一个非常耗时的操作。那么我们就会白白浪费掉这段时间,最后求得的值也没有使用的到。而这正是严格求值策略,而今天的主要目标就是改变这种情况,能够在我们确定需要某个值的时候才计算。下面我们就可以开始改造这个方法,让其能够支持惰性求值。首先我们修改DoSomeThing方法:

这里我们将参数类型都改成了函数,这样将要传递进来的参数都改变成函数。只有在我们需要的时候才执行求值,否则是不会运行的,对应的Main方法中我们需要按照如下方式修改:

这里我们并不需要把DoOneThing方法的返回类型改掉,如果这样的话。在现有项目上使用函数式编程就会显得太麻烦了。这里我们仅仅只需要利用匿名函数就可以办到了,下面我们可以看最后的执行效果:

DoOneThing方法并没有执行,因为DoSomeThing中根本没有确定使用这个变量,这样我们就能够节省下这部分计算的时间,但是事实上我们还没有结束,实际的开发中我们可能需要多次使用这个值,比如下面我们修改DoSomeThing方法:

并且在Main方法中调用DoSomeThing方法时将第一个参数改成true,然后执行我们就可以看到下面的输出结果:

DoOneThing方法被执行了两次,当然我们可以利用局部变量保存,可能你会这么写:

如果这么写,那么我们的惰性求值就没有任何意义了,因为一进入这个方法就执行了这个方法,跟传递参数时直接将运算后的结果赋值给b没有任何区别了。当然也有其他一些技巧可以避免,但是这些技巧可不是下面要讲的内容,我们可以将其封装起来,比如我们可以写个LazyS<T>类:

我们可以看到在构造方法部分我们将对应的函数作为参数接收并保存到function中,只有再调用Value时候会执行该函数并将值保存,并且在下次调用时,如果已经求值过则直接返回缓存过的值,这样就能够避免重复的执行了,对应的我们还要修改DoSomeThing方法和Main方法:

最终执行后我们可以看到仅执行了一次DoOneThing方法:

一些读者可能为问为什么类名不要Lazy而是加个S,因为.net中已经为我们包含了Lazy<T>类,相信很多人基本上从没有用过。只知道Func和Action的存在,下面我们修改我们的代码直接利用自带的:

最终的结果之前的是一摸一样,当然系统自带的Lazy功能更多,并且支持多线程。

就到这里为止吧,周五了大家已经按耐不住了,写了太多可能就没有心思往下看了,所以将这些全部一个一个拆分开来细讲。

时间: 2024-08-26 15:29:25

C#函数式编程之惰性求值的相关文章

Swift 之惰性求值

Swift 之惰性求值 在 Haskell 中的函数有一个特性 函数的返回可能是一个块(一个被延迟计算的表达式) 从而引出一个概念 惰性求值 isOdd n = mod n 2 == 1 下面有段 分析 在使用严格求值的语言里,函数的参数总是在应用函数之前被求值.以 isOdd 为例子:子表达式 (1 + 2) 会首先被求值,得出结果 3 .接着,将 3 绑定到变量 n ,应用到函数 isOdd .最后, mod 3 2 返回 1 ,而 1 == 1 返回 True . Haskell 使用了另

惰性求值——lodash源码解读

前言 lodash受欢迎的一个原因,是其优异的计算性能.而其性能能有这么突出的表现,很大部分就来源于其使用的算法--惰性求值. 本文将讲述lodash源码中,惰性求值的原理和实现. 一.惰性求值的原理分析 惰性求值(Lazy Evaluation),又译为惰性计算.懒惰求值,也称为传需求调用(call-by-need),是计算机编程中的一个概念,它的目的是要最小化计算机要做的工作. 惰性求值中的参数直到需要时才会进行计算.这种程序实际上是从末尾开始反向执行的.它会判断自己需要返回什么,并继续向后

Stream01 定义、迭代、操作、惰性求值

1 Stream Stream 是 Java 8 提供的一系列对可迭代元素处理的优化方案,使用 Stream 可以大大减少代码量,提高代码的可读性并且使代码更易并行. 2 迭代 2.1 需求 随机创建int类型的数组,计算数组中各个元素的总和 2.2 思路 2.2.1 外部迭代 通过for循环迭代数组 2.2.2 内部迭代 先将数组转化成流 -> 在通过流的相关操作来实现 2.2.3 外部迭代和内部迭代 外部迭代式串行的,如果要实现并行需要自己编写代码实现:内部迭代实现并行操作只需要调用一个pa

利用 Lambda 表达式实现 Java 中的惰性求值

Java 中惰性求值的潜能,完全被忽视了(在语言层面上,它仅被用来实现 短路求值 ).更先进的语言,如 Scala,区分了传值调用与传名调用,或者引入了 lazy 这样的关键字. 尽管 Java 8 通过延迟队列的实现(java.util.stream.Stream)在惰性求值的方面有些改进,但是我们会先跳过 Stream,而把重点放在如何使用 lambda 表达式实现一个轻量级的惰性求值. 基于 lambda 的惰性求值 Scala 当我们想对 Scala 中的方法参数进行惰性求值时,我们用"

python 短路求值或惰性求值

举例说明: 1.关系运算符:and if 表达式1 and 表达式2: ............................. 如果表达式1为False 则不管表达式2是什么 if语句都不会执行接下来的代码 2.关系运算符: or f 表达式1 or 表达式2: ............................. 如果表达式1为True 则不管表达式2是什么 if语句都会执行接下来的代码 原文地址:https://www.cnblogs.com/wfc139/p/10031832.h

从Racket入门函数式编程

一直想学学LISP,今天总算开了个头.现在学习LISP不是为了马上能够用于实际项目的应用,而是为了学习一下函数式的思维方式,能够更加深入的了解计算的本质,能够更好的用C++, Java, Python等编写程序.更何况,这些主流语言都逐渐增加了函数式编程的特征,C++,Java现在都引入了 Lambda 表达式.如果能够系统学习一下LISP,相信对自己以后掌握这些语言的新特新特征,对自己写JavaScript.Python,对自己了解闭包.高阶函数.Lambda表达式都会有很大帮助.言归正传,首

从 Racket 入门函数式编程

一直想学学LISP,今天总算开了个头.如今学习LISP不是为了立就可以以用于实际项目的应用,而是为了学习一下函数式的思维方式,可以更加深入的了解计算的本质,可以更好的用C++, Java, Python等编敲代码.更何况,这些主流语言都逐渐添加了函数式编程的特征,C++,Java如今都引入了 Lambda 表达式.假设可以系统学习一下LISP,相信对自己以后掌握这些语言的新特新特征,对自己写JavaScript.Python,对自己了解闭包.高阶函数.Lambda表达式都会有非常大帮助.言归正传

[原创译书] JS函数式编程 2.2 与函数共舞

?? Functional Programming in Javascript 主目录第二章 函数式编程基础上一节 函数式编程语言 与函数共舞 有时,优雅的实现是一个函数.不是方法.不是类.不是框架.只是函数. - John Carmack,游戏<毁灭战士>首席程序员 函数式编程全都是关于如何把一个问题分解为一系列函数的.通常,函数会链在一起,互相嵌套, 来回传递,被视作头等公民.如果你使用过诸如jQuery或Node.js这样的框架,你应该用过一些这样的技术, 只不过你没有意识到. 我们从J

函数式编程:容器类型、值类型

容器类型:高阶类型: 例子:集合类容器.枚举类容器.结果类容器.适配类容器. 功能: 1.值类型的封装和解封: 2.值类型的管理:存储.遍历.查询:为高阶函数: 3.惰性求值的管理:处理函数的保存.处理函数的执行(apply). 值类型: 代表数据:用于进行处理,对应transform. 值类型的产生: 1.输入: 2.内部计算. 原文地址:https://www.cnblogs.com/feng9exe/p/9785638.html