一、函数式编程
要被称为函数式，函数或方法不应该抛出任何异常。使用Optional<R> 类型作为返回值。
透明性：方法中没有任何操作会修改现有结构
使用Java8进行编程时，尽量使用Stream取代迭代操作。如果递归可以更简洁，且不带副作用，应该使用递归替换迭代。
"尾-递"迭代，不需要在不同的栈桢上保存每次递归计算的中间值。目前Java不支持这种优化，很多的现代JVM语言，比如Scala和Groovy都支持这种形式递归迭代的优化。
1.1 示例一：方法中没有任何操作会修改现有结构
获取列表的子集：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
public static List<List<Integer>> findAllSubList(List<Integer> list) { if (list.size()==0) { List<List<Integer>> res = new ArrayList<>(); res.add(Collections.emptyList()); return res; } Integer first = list.get(0); List<Integer> subList = list.subList(1, list.size()); List<List<Integer>> allSubList = findAllSubList(subList); List<List<Integer>> allSubList2 = insertAll(first, allSubList); return concat(allSubList, allSubList2);}private static List<List<Integer>> concat(List<List<Integer>> allSubList, List<List<Integer>> allSubList2) { List<List<Integer>> res = new ArrayList<>(allSubList); res.addAll(allSubList2); return res;}private static List<List<Integer>> insertAll(Integer item, List<List<Integer>> allSubList) { List<List<Integer>> res = new ArrayList<>(); for (List<Integer> a : allSubList) { List<Integer> oneList = new ArrayList<>(a); oneList.add(item); res.add(oneList); } return res;} |
1.2 实例二：“尾-递”迭代
求n的阶乘：
方案一：迭代
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
/** * 使用迭代计算阶乘 * r 和 i 在每轮迭代中都会更新 * @param n * @return */public static int factorialIterator(int n) { int r = 1; for (int i=1; i<=n; i++) { r *= i; } return r;} |
方案二：使用递归
|
1
2
3
4
5
6
7
8
9
|
/** * 使用递归 计算阶乘 * 比迭代都效率差：因为每次递归都需要创建栈桢 * @param n * @return */public static int factorialRecursive(int n) { return n==1? 1 : n * factorialIterator(n-1);} |
方案三：使用Stream
|
1
2
3
4
5
6
7
8
|
/** * 使用Stream 计算阶乘 * @param n * @return */public static int factorialStream(int n) { return IntStream.rangeClosed(1, n).reduce(1, (x, y)->x*y);} |
方案四：递归的优化：“尾-递”迭代
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
/** * 尾-递 迭代 * @param n * @return */public static int factorialTailIterator(int n) { return factorialTailHelp(1, n);}/** * 尾-递 迭代递帮助类 * @param acc * @param n * @return */private static int factorialTailHelp(int acc, int n) { return n==1?acc:factorialTailHelp(acc*n, n-1);} |
二、科里化
科里化：帮助你模块化函数，提高代码重用性的技术。
科里化表示一种将一个带有n元组参数的函数转换成n个一元函数链的方法。
三、函数式数据结构——持久化的
数据结构的值始终保持一致，不受其他部分变化的影响。
附加条件：所有使用持久化数据结构的用户都必须遵守这一“不修改“原则。不对返回值就行修改。
四、Stream的延迟计算
创建一个质数列表：
4.1 列表接口
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
/** * @Date 2021/9/5 * @Author lifei */public interface MyList<T> { T head(); MyList<T> tail(); MyList<T> filter(Predicate<T> p); default boolean isEmpty() { return true; }} |
4.2 延迟列表
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
public class LazyList<T> implements MyList<T> { final T head; final Supplier<MyList<T>> tail; public LazyList(T head, Supplier<MyList<T>> tail) { this.head = head; this.tail = tail; } @Override public T head() { return head; } @Override public MyList<T> tail() { return tail.get(); } @Override public MyList<T> filter(Predicate<T> p) { return isEmpty()?this:p.test(head())? new LazyList<>(head, ()->tail().filter(p)):tail().filter(p); } @Override public boolean isEmpty() { return false; }} |
4.3 创建一个无限延迟的列表
|
1
2
3
4
5
6
7
8
|
/** * 创建一个无限延迟的列表 * @param n * @return */public static LazyList<Integer> from(int n) { return new LazyList<>(n, ()->from(n+1));} |
4.4 创建一个无限延迟的质数列表
|
1
2
3
4
5
6
7
8
|
/** * 创建一个无限循环的 质数列表 * @param numbers * @return */public static MyList<Integer> primes(MyList<Integer> numbers) { return new LazyList<>(numbers.head(), ()->primes(numbers.tail().filter(n->n%numbers.head()!=0)));} |
4.5 使用无限延迟的质数列表
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
public static void main(String[] args) { LazyList<Integer> numbers = from(2); Integer res2 = numbers.head(); Integer res3 = numbers.tail().head(); Integer res4 = numbers.tail().tail().head(); System.out.println(res2); System.out.println(res3); System.out.println(res4); System.out.println("创建一个无限延迟的质数列表"); MyList<Integer> primes = primes(numbers); for (int i=0; i<30; i++) { if (!primes.isEmpty()){ System.out.print(primes.head() + ", "); primes = primes.tail(); } } System.out.println();} |
总结
到此这篇关于Java8实战之Stream延迟计算的文章就介绍到这了,更多相关Java8 Stream延迟计算内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/hefrankeleyn/article/details/120123381
