最近加入了一个有趣的年轻同事，提交了很多代码。查看git记录，发现代码已经通过使用java8的大量语法特性进行了重构。最常用的有map，flatMap等等。
但是其他朋友不愿意。虽然有人觉得代码变得容易理解，但更多的人觉得代码变得很晦涩。
就像:脱裤子放屁，干的不止一件事。
根据层次，这些职能的范围可以分为三类。几乎无处不在。
不要过度使用
我不知道这些函数是什么时候流行起来的，但它们肯定和函数编程有着密切的关系。Scala好像是2004年开始的。
没什么神奇的。都是语法糖，作用是让你的程序更简洁。如果你愿意，你可以用更多的代码来完成。不要为了炫技而刻意使用。如果用不好，效果会很负面。比如Java，不是函数式编程语言，所以lambda只是辅助；如果你用java写Lisp代码，那只会不伦不类。
但是，语言要整合，因为这是趋势。我们不看他们背后的设计，只看他们从api的语义表示水平表达了什么。
我们先来看看共性(注意:逻辑上的共性并不适合所有的场景)，然后拿一些典型的实现来看看这个星球上程序员的表现。
这些抽象的概念
这些函数的对象被称为流。小溪是一种什么东西？请原谅我用一些不专业的话来解释。
它实际上是一个简单的数组，无论是语言还是分布式数据结构。有时候真的是一个简单的数组，有时候是一个存在于多台机器中的分布式数组。在下文中，我们统称为数组流。
我们简单地分为两类。
语言层:比如Java的Stream分布式层:比如Spark的RDD
他们都有以下要点。
函数可以用作参数
c语言当然没问题，函数可以作为指针传入。但不久前，在java中，这必须马上实现(使用java中的类概念来模拟函数，您会看到许多奇怪的Java类，如Func1和Func0)。
函数作为参数是使代码简洁的必要条件。我们通常的编程方法大多是按顺序执行一些操作。
Array = new Array()Array = func 1(Array)if(func 2(Array)){ Array = func 3(Array)} Array = func 4(Array)
而且如果函数可以作为自变量，我可以尽量平铺操作。最后还得翻译成上面的语句来执行。
array = new Array()array.stream()。map(func1)。过滤器(func2)。flatMap(func3)。已排序(func4)...
编程模式完全变了，函数有语义。
顺序并行
如果我们的数组流太大，单台计算机有两种方式:顺序处理和并行处理。
一般可以通过并行功能进入并行处理模式。对于大多数本地操作，并行化不一定很快。
在java中使用ForkJoin，线程速度，你知道…
但是对于分布式数据流，是并行的，所以这个参数意义不大。
功能类型
一般来说，作用于数据流的功能可以分为两类。
转换。转化动作。行为
转化，典型特征就是懒。
只有执行了动作，它才会真正参与操作。因此，您可以将这些转换操作视为一组缓冲操作。地图、flatMap等典型功能。它们像串串一样串在一起，等着被砸碎。
行动。当代码真正被触发运行时，上面的一系列转换也会像闸门一样泛滥下来。典型的如减函数，就是这样。
以上描述并不完全正确。比如python的map可以在执行后输出结果。让人没面子。
地图缩小
说到map和reduce，大家都想到了hadoop。然而，这不仅仅是大数据中的一个概念。
对于他们的概念，我们只介绍下面两行。
地图
将传入函数依次应用于序列的每个元素，并将结果作为新的数组流返回。
减少
Reduce类似于递归概念。最终会降低到一个值。看这个公式:)
reduce([p1，p2，p3，p4]，fn) = reduce([fn(p2，p4)，fn(p1，p3)]
我们来看看谷歌的经典论文。
《地图简化:简化数据》
《大型集群上的处理》
https://ai.google/research/pubs/pub62
可以去看看吗？:)
地图平面地图
经常用到这两个函数。它们有以下不同之处:
地图
通过使用提供的函数，以一对一的对应关系执行数组流中的每个值一次。获取具有相同元素数量的数组流。
平面地图
平就是平。它使用提供的函数执行数组流中的每个值一次，并且一一对应。获取具有相同元素的数组流。但是，里面的元素也是一个子数组流。在将这些子阵列合并成一个阵列后，元素的数量将不同于原始阵列流的数量。
程序员的表现
java8中的八种流
自从java8以来，增加了一个新的抽象，叫做Stream: stream。有了lambda语法，可以让代码特别清爽干净(如果发现了什么，很快就会变成Scala)。
一个非常好的指南:
https://stackify.com/streams-guide-java-8/
星火的RDD操作
spark的核心数据模型是RDD，它是一个有向无环图。它表示一个不可变的、可分区的集合，其元素可以并行计算。
它是分布式的，但是我们可以看看下一个WordCount的例子。
JavaRDDtextFile = sc . TextFile(HDFS://...);
JavaPairRDDcounts = textFile
。flat map(s-arrays . aslist(s . split())。迭代器())
。mapToPair(word - new Tuple2(word，1))
。reduceByKey((a，b)-a+b)；
counts.saveAsTextFile(hdfs://...);
好熟悉的Api！你一定在Hadoop里看到过。
Flink's DataStream
Flink程序是执行分布式集合变换(例如，过滤、映射、更新状态、连接、分组、定义窗口、聚合)的例行程序。Flink中的DataStream程序是在数据流上实现的转换。
让我们也来看看它的一段代码。
DataStreamtuple2 counts =//将包含:(word，1)text . flat map(new Tokenizer())//的行成对分割(2元组)，按元组字段0分组，并合计元组字段1.keyBy(0)。sum(1)；
卡夫卡流的运作
卡夫卡已经成为分布式流媒体计算平台。他抽象出了一个KStream和KTable，这两个和Spark的RDD类似，操作类似。
KStream可以看作是KTable的changlog，数据流中的每一条记录都对应着数据库中的每一次更新。
让我们来看一段代码。
KTablewordCounts =文本行
。flat mapvalues(value-arrays . aslist(value . tolowercase()。拆分(W+)))
。groupBy((键，值)-值)
。count()；
wordCounts.toStream()。to(streams-wordcount-output，Producted . with(StringSerde，LongSerde))；
RxJava
RxJava是基于观察者模式的异步任务框架，在Android开发中经常用到(越来越多的用在服务器端)。
RxJava在语言层面做了一些创新，也有一些忠实的信徒。
语言层面的Lambda
当然，Haskell这种自然的函数式编程语言也有自己的光环。但是其他语言，包括脚本语言和编译语言，也吸收了这些经验。
它们统称为λ。
计算机编程语言
作为最流行的脚本语言，python也有它的lambda语法。最基本的功能如映射、约简、过滤也是存在的。
爪哇岛
Js不能掉，比如Array.prototype.*()。它拥有它应该拥有的一切。
还有很多，就不一一列举了。换句话说，这些功能可以申请专利吗？我很喜欢，虽然很少用。
1.《flatmap 到处是map、flatMap，啥意思？》援引自互联网，旨在传递更多网络信息知识，仅代表作者本人观点，与本网站无关，侵删请联系页脚下方联系方式。
2.《flatmap 到处是map、flatMap，啥意思？》仅供读者参考，本网站未对该内容进行证实，对其原创性、真实性、完整性、及时性不作任何保证。
3.文章转载时请保留本站内容来源地址，https://www.lu-xu.com/tiyu/714889.html
