【JavaScript】实现一个数组惰性求值库

在编程语言理论中，惰性求值（英语：Lazy Evaluation），又译为惰性计算、懒惰求值，也称为传需求调用（call-by-need），是一个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。它有两个相关而又有区别的含意，可以表示为“延迟求值”和“最小化求值”，除可以得到性能的提升外，惰性计算的最重要的好处是它可以构造一个无限的数据类型。

看到函数式语言里面的惰性求值，想自己用 JavaScript 写一个最简实现，加深对惰性求值了解。用了两种方法，都不到 80 行实现了基本的数组的惰性求值。

怎么实现

惰性求值每次求值的时候并不是返回数值，而是返回一个包含计算参数的求值函数，每次到了要使用值得时候，才会进行计算。

 

当有多个惰性操作的时候，构成一个求值函数链，每次求值的时候，每个求值函数都向上一个求值函数求值，返回一个值。最后当计算函数终止的时候，返回一个终止值。  当有多个惰性操作的时候，构成一个求值函数链，每次求值的时候，每个求值函数都向上一个求值函数求值，返回一个值。最后当计算函数终止的时候，返回一个终止值。  

具体实现

• 判断求值函数终止

每次求值函数都会返回各种数据，所以得使用一个独一无二的值来作为判断流是否完成的标志。刚好 Symbol() 可以创建一个新的 symbol ，它的值与其它任何值皆不相等。

const over = Symbol();const isOver = function (_over) {  return _over === over;}

• 生成函数 range

range 函数接受一个起始和终止参数，返回一个求值函数，运行求值函数返回一个值，终止的时候返回终止值。

const range = function (from, to) {  let i = from;  return function () {    if (i < to) {      i++      console.log('range\t', i);      return i    }    return over;  }}

• 转换函数 map

接受一个求值函数和处理函数，获取求值函数 flow 中的数据，对数据进行处理，返回一个流。

const map = function (flow, transform) {  return function () {    const data = flow();    console.log('map\t', data);    return isOver(data) ? data : transform(data);  }}

• 过滤函数 filter

接受一个求值函数，对求值函数 flow 中数据进行过滤，找到符合的数据并且返回。

const filter = function (flow, condition) {  return function () {    while(true) {      const data = flow();      if (isOver(data)) {        return data;      }      if(condition(data)) {        console.log('filter\t', data);        return data;      }    }  }}

• 中断函数 stop

接受一个求值函数，当达到某个条件时中断，可以用闭包函数加上 stop 函数接着实现一个 take 函数。

const stop = function (flow, condition) {  let _stop = false;  return function () {    if (_stop) return over;    const data = flow();    if (isOver(data)) {      return data;    }    _stop = condition(data);    return data;  }}const take = function(flow, num) {  let i = 0;  return stop(flow, (data) => {    return ++i >= num;  });}

• 收集函数 join

因为返回的都是一个函数，最后得使用一个 join 函数来收集所有的值并且返回一个数组。

const join = function (flow) {  const array = [];  while(true) {    const data = flow();    if (isOver(data)) {      break;    }    array.push(data);  }  return array;}

测试：

const nums = join(take(filter(map(range(0, 20), n => n * 10), n => n % 3 === 0), 2));console.log(nums);/* 输出  range  1  map    1  range  2  map    2  range  3  map    3  filter     30  range  4  map    4  range  5  map    5  range  6  map    6  filter     60  [ 30, 60 ]*/

更优雅的实现

上面使用 函数 + 闭包 实现了惰性求值，但是还是不够优雅，绝大部分代码都放到迭代和判断求值是否完成上面去了。其实 es6 中还有更好方法来实现惰性求值，就是使用 generator，generator 已经帮我们解决了迭代和判断流是否完成，我们就可以专注于逻辑，写出更简洁易懂结构清晰的代码。

const range = function* (from, to) {  for(let i = from; i < to; i++) {    console.log('range\t', i);    yield i;  }}const map = function* (flow, transform) {  for(const data of flow) {    console.log('map\t', data);    yield(transform(data));  }}const filter = function* (flow, condition) {  for(const data of flow) {    console.log('filter\t', data);    if (condition(data)) {      yield data;    }  }}const stop = function*(flow, condition) {  for(const data of flow) {    yield data;    if (condition(data)) {      break;    }  }}const take = function (flow, number) {  let count = 0;  const _filter = function (data) {    count ++    return count >= number;  }  return stop(flow, _filter);}

还得加上链式调用才算是完成了。

class _Lazy{  constructor() {    this.iterator = null;  }  range(...args) {    this.iterator = range(...args);    return this;  }  map(...args) {    this.iterator = map(this.iterator, ...args);    return this;  }  filter(...args) {    this.iterator = filter(this.iterator, ...args);    return this;  }  take(...args) {    this.iterator = take(this.iterator, ...args);    return this;  }  [Symbol.iterator]() {    return this.iterator;  }}function lazy () {  return new _Lazy();}

最后再测试一下：

const nums = lazy().range(0, 100).map(n => n * 10).filter(n => n % 3 === 0).take(2);for(let n of nums) {  console.log('num:\t', n, '\n');}/* 输出  range  0  map    0  filter     0  num:   0  range  1  map    1  filter     10  range  2  map    2  filter     20  range  3  map    3  filter     30  num:   30*/

好了，大功告成。

总结

这样我们就完成了一个最简的数组惰性求值的库，这里只是简单实现了惰性求值，要放到工程中还需要添加很多细节。因为代码不过 80 行，可以很清楚的了解惰性求值原理，还能加深对生成器的理解。