摘要：本文首發(fā)于泊浮目的簡書前言一個風(fēng)和日麗的下午我看著日常看代碼做重構(gòu)遷移看到這么段代碼突然我看到了這樣的代碼看了這段代碼我整個人都不好了首先是那火箭式的三個嵌套循環(huán)再者就是那些變量聲明語句為了迭代他們我們不得不聲明它一遍使用這樣看起來似
本文首發(fā)于泊浮目的簡書:https://www.jianshu.com/u/204...
1. 前言
一個風(fēng)和日麗的下午,我看著日常看代碼做重構(gòu)遷移,看到這么段代碼:
突然,我看到了這樣的代碼:
private void getTopicsDiskSizeForSomeBroker(int brokerID, AdminClient admin, Map topicsSizeMap) throws ExecutionException, InterruptedException {
DescribeLogDirsResult ret = admin.describeLogDirs(Collections.singletonList(brokerID));
Map> tmp = ret.all().get();
for (Map.Entry> entry : tmp.entrySet()) {
Map tmp1 = entry.getValue();
for (Map.Entry entry1 : tmp1.entrySet()) {
DescribeLogDirsResponse.LogDirInfo info = entry1.getValue();
Map replicaInfoMap = info.replicaInfos;
for (Map.Entry replicas : replicaInfoMap.entrySet()) {
String topic = replicas.getKey().topic();
Long topicSize = topicsSizeMap.get(topic);
if (topicSize == null) {
topicsSizeMap.put(topic, replicas.getValue().size);
} else {
topicsSizeMap.put(topic, replicas.getValue().size + topicSize);
}
}
}
}
}
看了這段代碼我整個人都不好了!
首先是那火箭式的三個嵌套for循環(huán),再者就是那些變量聲明語句.為了迭代他們,我們不得不聲明它一遍...
2. 使用Stream
public List getTopicDiskSize() {
return getTopicPartitionReplicaInfo().entrySet().stream()
.map(e -> new KafkaTopicInfoBO(e.getKey().topic(), e.getValue().size))
.collect(Collectors.toList());
}
protected Map getTopicPartitionReplicaInfo() {
Properties globalConf = zkConfigService.getProperties(ZkPathUtils.GLOBAL_CONFIG);
Properties adminConfig = new Properties();
adminConfig.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, globalConf.getProperty((ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG)));
AdminClient adminClient = AdminClient.create(adminConfig);
List brokerIds = zkConfigService.getChildByPath(kafkaIdsPath);
return brokerIds.stream()
.map(Integer::valueOf)
.map(Collections::singletonList)
.map(adminClient::describeLogDirs)
.map(DescribeLogDirsResult::all)
.map(mapKafkaFuture -> {
try {
return mapKafkaFuture.get();
} catch (Exception e) {
throw new RuntimeException(e);
}
})
.map(Map::values)
.flatMap(Collection::stream)
.map(Map::values)
.flatMap(Collection::stream)
.map(e -> e.replicaInfos)
.map(Map::entrySet)
.flatMap(Collection::stream)
.collect(Collectors.toMap(Map.Entry::getKey, Map.Entry::getValue));
}
這樣看起來似乎好了一點.但是對于不熟悉函數(shù)式編程的同學(xué)來說,理解以上代碼還是有點困難的.
接下來,先來簡單講一講函數(shù)式編程.
3. 什么是函數(shù)式編程
3.1 一句話搞懂
就像來自數(shù)學(xué)中的代數(shù)
f(x)=5x^2+4x+3
g(x)=2f(x)+5=10x^2+8x+11
h(x)=f(x)+g(x)=15x^2+12x+14
函數(shù)式編程定義輸入數(shù)據(jù)和輸出數(shù)據(jù)相關(guān)的關(guān)系——數(shù)學(xué)表達式里面其實是在做一種映射(Mapping),輸入的數(shù)據(jù)和輸出的數(shù)據(jù)關(guān)系是什么樣的,就是用來函數(shù)定義的.
3.2 直觀感受:用代碼舉例
public class Quint{
public static void main (String args[]){
for (int i=0; i<25; i++){
System.out.println(i*i);
}
}
}
(println (take 25 (map (fn [x] (*x x) (range)))))
簡單解釋一下上段Lisp代碼:
range函數(shù)回返回一個從0開始的整數(shù)無窮列表
然后該列表會被傳入map,針對列表中的每個元素,調(diào)用平方值的匿名函數(shù),產(chǎn)生了一個無窮多的,包含平方值的列表
將列表傳入take函數(shù),僅僅返回前25個
println將接入的參數(shù)輸出
4. 使用對函數(shù)式編程支持更好的Kotlin
protected fun getTopicPartitionReplicaInfo(): Map {
val globalConf = zkConfigService.getProperties(ZkPathUtils.GLOBAL_CONFIG)
val adminConfig = Properties()
adminConfig.setProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG, globalConf.getProperty(ConsumerConfig.BOOTSTRAP_SERVERS_CONFIG))
val adminClient = AdminClient.create(adminConfig)
val brokerIds = zkConfigService.getChildByPath(kafkaIdsPath)
return brokerIds.stream()
.mapToInt {
Integer.valueOf(it)
}.let { intStream ->
adminClient.describeLogDirs(intStream.boxed().collect(Collectors.toList()))
}.let { describeLogDirsResult ->
describeLogDirsResult.all()
}.let { mapKafkaFutrue ->
mapKafkaFutrue.get()
}.let { mapStream ->
mapStream.values
}.let {
it.stream().map { e -> e.values }.flatMap { e -> e.stream() }.collect(Collectors.toList())
}.flatMap {
it.replicaInfos.entries.toList()
}.let { it ->
it.associateBy({ it.key }, { it.value })
}
}
代碼看起來大差不差.但Kotlin的這些關(guān)鍵字寫起來更方便.我們看下Java中map函數(shù)和Kotlin中let函數(shù)的簽名:
* Returns a stream consisting of the results of applying the given
* function to the elements of this stream.
*
* This is an intermediate
* operation.
*
* @param The element type of the new stream
* @param mapper a non-interfering,
* stateless
* function to apply to each element
* @return the new stream
*/
Stream map(Function mapper);
/**
* Calls the specified function [block] with `this` value as its argument and returns its result.
*
* For detailed usage information see the documentation for [scope functions](https://kotlinlang.org/docs/reference/scope-functions.html#let).
*/
@kotlin.internal.InlineOnly
public inline fun T.let(block: (T) -> R): R {
contract {
callsInPlace(block, InvocationKind.EXACTLY_ONCE)
}
return block(this)
}
我們可以看到Java中的map是被限制在Stream API中的,而Kotlin的let并沒有這種限制.
同時,我們也可以感受到,對于函數(shù)式編程的支持,明顯是Kotlin更好一些——在Kotlin中,我們用一個()就可以表示函數(shù),而Java則需要Interface來表示(在Java中,對象是一等公民).
如果讀者有興趣的話,可以嘗試一下Haskell或Lisp(JVM上叫Clojure).這些都是純函數(shù)式語言.
類似,Kotlin還有很多這種函數(shù),被稱為作用域函數(shù),在這里羅列一下常用的函數(shù):
let
run
also
apply
takeIf
takeUnless
repeat
5. 小結(jié)
在《架構(gòu)整潔之道》中,有這么一個總結(jié):
結(jié)構(gòu)化編程是對程序控制權(quán)的直接轉(zhuǎn)移的限制
面向?qū)ο缶幊淌菍Τ绦蚩刂茩?quán)的間接轉(zhuǎn)移的限制
函數(shù)式編程是對程序賦值操作的限制
如果說面向?qū)ο缶幊淌菍?shù)據(jù)進行抽象,那么函數(shù)式編程則是對行為進行抽象.
5.2 函數(shù)式編程的三件套:
Map
Reduce
Filter
舉個例子,面包和蔬菜map到切碎的操作上,再reduce成漢堡.
我們可以看到map和reduce不關(guān)心輸入數(shù)據(jù),它們只控制,并不是業(yè)務(wù).控制是描述怎么干,而業(yè)務(wù)描述要干什么.
在本文中,我們只看到了map的身影——上面提到了,map對流中的每一個元素進行操作.
可能會有讀者問let是啥,在本文的代碼例子中,let針對整個流進行操作.
簡單來說, Map && Reduce 對應(yīng)了我們?nèi)粘Ｖ杏玫?b>循環(huán),而Filter對應(yīng)了If
5.3 優(yōu)勢 && 劣勢
優(yōu)勢
無狀態(tài)
并發(fā)無傷害
函數(shù)執(zhí)行沒有順序上的問題
劣勢
數(shù)據(jù)復(fù)制嚴(yán)重
5.4 應(yīng)用場景
Python的裝飾器模式
事件溯源:不記錄最終狀態(tài),而是記錄每一個事件.需要時,通過追溯(重新計算)事件來得出當(dāng)前的狀態(tài).如:
數(shù)據(jù)庫事務(wù)日志
版本控制器
比特幣
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://specialneedsforspecialkids.com/yun/76055.html
