泛函编程(37)-泛函Stream IO:通用的IO处理过程-Free Process

时间:2023-03-08 16:53:45

在上两篇讨论中我们介绍了IO Process:Process[I,O],它的工作原理、函数组合等。很容易想象,一个完整的IO程序是由 数据源+处理过程+数据终点: Source->Process->Sink所组成的。我们发现:Process[I,O]本身是无法兼顾Source和Sink的功能。而独立附加的Source和Sink又无法有效地与Process[I,O]进行函数组合(functional composition)。

实际上Process[I,O]是一种固定单一输入类型(single input process):单一是指Process[I,O]只接收I类型输入、固定是指它对外界沟通方式是固定的:只有Halt,Emit,Await三种状态。这种情况导致了Process[I,O]无法成为有效的IO程序组件以及我们必须尝试开发更概括更通用的IO Process。我们来看个新的IO类型结构:Process[F[_],O]

 trait Process[F[_],O]{}
object Process {
case class Halt[F[_],O](err: Throwable) extends Process[F,O] //终止,err代表停止原因
case class Emit[F[_],O](os: Seq[O], ns: Process[F,O]) extends Process[F,O] //发送os,ns=nextState
case class Await[F[_],A,O]( //等待输入
rq: F[A], //产生输入的运算。可能是有副作用的
rf: Either[Throwable,A] => Process[F,O], //对运算F[A]返回值的处理函数
fb: Process[F,O], //fallback 消耗完输入后转入fb状态
fl: Process[F,O] //finalizer 清理现场,释放资源
) extends Process[F,O]
}

这个新的类型代表能产生一连串的O类型元素。我们可以把它当作List[O]来编写组件。重要的是我们现在可以通过运算F[A]来与外界联系,如:读取文件或数据库内容。运算F[A]返回的数据经过rf函数的处理后转入新的状态:正常完成数据输入时运行fb进入新状态、如果输入数据过程中产生异常则运行fl清理战场,释放资源。我们并且改善了Halt,使之返回终止情况信息。这样一来Process从整体上更透明,更安全。更重要的是Process可以拓展了(extensible)。

作为一个安全可用的IO类型,我们先设计一些Process[F,O]的基本组件:

   case object End extends Exception   //正常终止信号
case object Kill extends Exception //手工强行终止信号
//运算p,如果出现异常返回Halt使整个过程可控
def Try[F[_],O](p: Process[F,O]): Process[F,O] =
try p
catch { case e: Throwable => Halt[F,O](e) } //返回异常信息

我们在运算Process时用Try来捕捉异常信息并返回到可控状态Halt(err),因为我们可以从返回状态了解终止情况 - End:正常终止,Kill:强行终止及Throwable:发生异常终止。

现在我们再设计一些方便调用的帮助函数(helper functions):

   //如果下一个状态还是emit    ,那么就一次性合并发出,效率高些
// emitAll(os1, Emit(os2,ns)) == Emit(os1 ++ os2, ns)
def emitAll[F[_],O](outseq: Seq[O], nxtState: Process[F,O] = Halt[F,O](End)): Process[F,O] =
nxtState match {
case Emit(os,ns) => Emit(outseq ++ os, ns) //下一个状态是Emit, 合并输出
case _ => Emit(outseq,nxtState) //其它情况照旧
}
//遇到单O值时方便使用
def emit[F[_],O](o: O, nxs: Process[F,O] = Halt[F,O](End)): Process[F,O] = emitAll[F,O](Seq(o),nxs)
//Await类的应用方便函数
def await[F[_],A,O](req: F[A])(rcfn: Either[Throwable,A] => Process[F,O])(
fallback: Process[F,O] = Halt[F,O](End),
finalizer: Process[F,O] = Halt[F,O](End)) = Await(req,rcfn,fallback,finalizer)

还有更多的帮助函数:

  //在进入终止状态时运行f
def onHalt(f: Throwable => Process[F,O]): Process[F,O] = this match {
case Halt(e) => Try { f(e) } //当前状态是终止,运算f
case Emit(os,ns) => emitAll(os,ns.onHalt(f)) //还未到终止,该干什么还干什么。移到下一状态再看
case Await(rq,rf,fb,fl) => await(rq)(rf andThen (_ onHalt(f)))(fb,fl) //还未到终止,移到下一状态再看
}
//维持运行直至终止。但不输出任何数据
def drain[O2]: Process[F,O2] = this match {
case Halt(e) => Halt(e)
case Emit(os,ns) => ns.drain
case Await(rq,rf,fb,fl) => Await(rq,rf andThen (_ drain))
}
//正在执行清理环境,释放资源中,维持运行,不得人工终止
def asFinalizer: Process[F,O] = this match {
case Halt(e) => Halt(e)
case Emit(os,ns) => Emit(os, ns.asFinalizer)
case Await(rq,rf,fb,fl) => await(rq){
case Left(Kill) => this.asFinalizer //如果人工终止,强行继续运行
case x => rf(x)
}(fb,fl)
}
//在终止时运算p,即使是出现了异常情况
def onComplete(p: => Process[F,O]) =
this.onHalt {
case End => p.asFinalizer //正常终止
case err => p.asFinalizer ++ Halt(err) //出现了异常,先运算p,再把异常信息累积起来
}

在上面我们还调用了++函数,目的是把两个process连接起来。如:p.asFinalizer ++ Halt(err)。下面我们就把这个函数实现了:

  //连接两个process, this 终止后跟着运算 p
def ++(p: Process[F,O]): Process[F,O] = this match {
case Halt(e) => Try { p } //终止了,现在运算 p
case Emit(os,ns) => emitAll(os, ns ++ p) //还未终止,延后连接
case Await(rq,rf,fb,fl) =>Await(rq, rf andThen (_ ++ p), fb ++ p, fl ++ p) //还未终止,延后连接
}
//++的另一种实现方式。我们直接考虑终止状态
def append(p: Process[F,O]): Process[F,O] =
onHalt {
case End => Try { p } //我们只会在正常终止的情况下继续运算p
case err => Halt(err)
}

还有我们熟悉的map,flatmap,repeat:

  def map[O2](f: O => O2): Process[F,O2] = this match {
case Halt(e) => Halt(e)
case Emit(os,ns) => Try { if (os.isEmpty) ns map f
else emit(f(os.head), emitAll(os.tail, ns) map f) }
case Await(rq,rf,fb,fl) => Await(rq, rf andThen (_ map f), fb map f, fl map f)
}
def flatMap[O2](f: O => Process[F,O2]): Process[F,O2] = this match {
case Halt(e) => Halt(e)
case Emit(os,ns) => Try { if (os.isEmpty) ns flatMap f
else f(os.head) ++ emitAll(os.tail, ns).flatMap(f) }
case Await(rq,rf,fb,fl) => Await(rq,rf andThen(_ flatMap f), fb flatMap f, fl flatMap f)
}
def repeat: Process[F,O] = this ++ this.repeat

注意:我们只针对O值的转变。顺便把保证运算安全的几个帮助函数列出来(上面我们已经尝试使用了Try):

   //运算p,如果出现异常返回Halt使整个过程可控
def Try[F[_],O](p: Process[F,O]): Process[F,O] =
try p
catch { case e: Throwable => Halt[F,O](e) } //返回异常信息
//运算p,出现任何异常都先运算fl然后终止
def TryOr[F[_],O](p: Process[F,O], fl: Process[F,O]): Process[F,O] =
try p
catch {case e: Throwable => fl ++ Halt[F,O](e) }
//运算p,如果正常终止,运行fb, 如果异常终止则运算fl
def TryAwait[F[_],O](p: Process[F,O])(fb: Process[F,O], fl: Process[F,O]): Process[F,O] =
try p
catch {
case End => fb //正常终止
case e: Throwable => fl ++ Halt(e)
}

既然我们说Process[F[_],O]是个更概括的IO类型,那么Process[I,O]应该是Process[F[_],O]的一个特殊案例。现在最重要的是我们需要塑造这个F把它限制在只能接受I类型输入:

    case class Is[I]() {
sealed trait f[X] {}
case object get extends f[I] //f[X]只有一个实例,就是f[I],所以 X就只能是I
}
def Get[I] = Is[I]().get type Process1[I,O] = Process[Is[I]#f,O]
def halt1[I,O]: Process1[I,O] = Halt[Is[I]#f,O](End)
def emit1[I,O](o: O, ns: Process1[I,O] = halt1[I,O]): Process1[I,O] = emit(o,ns)
def emitAll1[I,O](os: Seq[O], ns: Process1[I,O] = halt1[I,O]): Process1[I,O] = emitAll(os,ns)
def await1[I,O](rf: I => Process1[I,O],fb: Process1[I,O] = halt1[I,O],fl: Process1[I,O] = halt1[I,O]) =
await(Get[I]){(ei: Either[Throwable,I]) => ei match { //F[A]>>>Get[I], 只接收I类型输入
case Left(End) => fb
case Left(err) => halt1[I,O]
case Right(i) => Try { rf(i) }
}}(fb,fl)

我们同样可以推导出之前针对Process[I,O]的那些组件:

   def lift[I,O](f: I => O): Process1[I,O] =
await1[I,O](i => emit(f(i))) repeat
def filter[I](f: I => Boolean): Process1[I,I] =
await1[I,I](i => if (f(i)) emit(i) else halt1)
def take[I](n: Int): Process1[I,I] =
if (n > 0) await1[I,I](i => emit(i, take(n-1)))
else halt1
def takeWhile[I](f: I => Boolean): Process1[I,I] =
await1[I,I](i => if (f(i)) emit(i, takeWhile(f)) else halt1)
//循环入什么就出什么
def id[I]: Process1[I,I] = await1[I,I](i => emit(i,id))
def passUnchanged[I]: Process1[I,I] = lift[I,I](identity)
def drop[I](n: Int): Process1[I,I] =
if (n > 0) await1[I,I](i => drop[I](n-1))
else passUnchanged
def dropWhile[I](f: I => Boolean): Process1[I,I] =
await1[I,I](i => if (f(i)) id else emit(i, dropWhile(f)))

注意:组件实现中的写法和之前Process[I,O]的一样,只不过这次我们的返回类型是Process1[I,O]。

现在我们来到了IO Process对接最重要的组件导管(pipe |>)组件了:

  //强行终止process
@annotation.tailrec
final def kill[O2]: Process[F,O2] = this match {
case Halt(e) => Halt(e) //已经处于终止状态
case Emit(os,ns) => ns.kill //发送中,忽略输出kill下个状态
case Await(rq,rf,fb,fl) => rf(Left(Kill)).drain.onHalt { //如果正在等待输入,那么就给它输入Kill信号然后过滤余下的输入
case Kill => Halt(End) //在终止前如果收到Kill信号就转入正常终止状态
case err => Halt(err) //如果是异常终止
}
} //对接两个process. 上一个emit发送后下面的立即await接受
def |>[O2](p2: Process1[O,O2]): Process[F,O2] = {
@annotation.tailrec
//把Seq[O]一个O一个O喂入p2
def feed(os: Seq[O], ns: Process[F,O], rf: Either[Throwable,O] => Process1[O,O2],
fb: Process1[O,O2] = halt1[O,O2], fl: Process1[O,O2] = halt1[O,O2]): Process[F,O2] =
if (os.isEmpty) ns |> await(Get[O])(rf)(fb,fl)
else rf(Right(os.head)) match { //喂进去一个元素后再观察下面的状态
case Await(rq1,rf1,fb1,fl1) => feed(os.tail,ns,rf,fb,fl)
case p => Emit(os.tail,ns) |> p
}
p2 match {
case Halt(e) => this.kill.onHalt {e2 => Halt(e) ++ Halt(e2)} //如果下游管道读者了。杀掉上游并过滤所有输出
case Emit(os,ns) => emitAll(os, this |> ns)
case Await(rq,rf,fb,fl) => this match {
case Halt(e) => Halt(e) |> p2
case Await(rq0,rf0,fb0,fl0) => await(rq0)(rf0 andThen (_ |> p2))(fb0 |> p2, fl0 |> p2)
case Emit(os,ns) => Try {feed(os,ns,rf,fb,fl)} //上游发送下游接受状态。正是对接状态
}
}
}

我们只需要考虑下游p等待输入await同时上游this正在发送emit这一个状态实现对接。其它状态则等它们自己调整对口后再对接。

有了这个|>后我们可以把那些Process1组件对接到Process[F,O]上:

   def filter(f: O => Boolean): Process[F,O] = this |> Process.filter(f)
def take(n: Int): Process[F,O] = this |> Process.take(n)
def takeWhile(f: O => Boolean): Process[F,O] = this |> Process.takeWhile(f)
def drop(n: Int): Process[F,O] = this |> Process.drop(n)
def dropWhile(f: O => Boolean): Process[F,O] = this |> Process.dropWhile(f)

以上组件都是过滤输出O的。

我们还可以通过Process[F,O]实现两头输入:就像字母T,输入从上面左右两头进入。

首先,我们还是要重新塑造一下F[A],使它只容许左边I类,右边I2类输入:

   case class T[I,I2]() {
sealed trait f[X] {def get: Either[I => X, I2 => X]}
val L = new f[I] { def get = Left(identity) }
val R = new f[I2] { def get = Right(identity) }
}
def L[I,I2] = T[I,I2]().L
def R[I,I2] = T[I,I2]().R
type Tee[I,I2,O] = Process[T[I,I2]#f,O]

Tee类型就是一个两头输入的IO Process类型,左边只可以输入I,右边只可以输入I2。

我们同样需要重新定义那些构建Tee的基本组件:

   def haltT[I,I2,O] = Halt[T[I,I2]#f,O](End)
def emitT[I,I2,O](o: O, ns: Tee[I,I2,O] = haltT) = emit[T[I,I2]#f,O](o,ns)
//左边输入
def awaitL[I,I2,O](rf: I => Tee[I,I2,O], fb: Tee[I,I2,O] = haltT, fl: Tee[I,I2,O] = haltT): Tee[I,I2,O] =
await[T[I,I2]#f,I,O](L){ //F[A] >>> L >>> 只容许I类输入
case Left(End) => fb
case Left(err) => fl ++ Halt(err)
case Right(i) => Try { rf(i) }
}(fb,fl)
//右边输入
def awaitR[I,I2,O](rf: I2 => Tee[I,I2,O], fb: Tee[I,I2,O] = haltT, fl: Tee[I,I2,O] = haltT): Tee[I,I2,O] =
await[T[I,I2]#f,I2,O](R) { //F[A] >>> R >>> 只容许I2类输入
case Left(End) => fb
case Left(err) => fl ++ Halt(err)
case Right(i2) => Try { rf(i2) }
}(fb,fl)

zip是两边输入穿插动作。我们可以用这个Tee类型来实现zip:

  def zipWith[I,I2,O](f: (I,I2) => O): Tee[I,I2,O] =
awaitL[I,I2,O](i => awaitR[I,I2,O](i2 => emitT(f(i,i2)))) repeat
//两个输入交叉输出一个对值pair
def zip[I,I2]: Tee[I,I2,(I,I2)] = zipWith[I,I2,(I,I2)]((_,_))
//轮换从左右两边输入
def interleave[I]: Tee[I,I,I] = awaitL[I,I,I](i => awaitR(i2 => emitT(i) ++ emitT(i2))) repeat
//不理会右边输入,只取左边
def passL[I,I2]: Tee[I,I2,I] = awaitL(emitT(_,passL))
//不理会左边输入,只取右边
def passR[I,I2]: Tee[I,I2,I2] = awaitR(emitT(_,passR))
//完成左边输入后运算fb
def awaitLOr[I,I2,O](fb: Tee[I,I2,O])(rf: I => Tee[I,I2,O]): Tee[I,I2,O] =
awaitL(rf,fb)
//完成右边输入后运算fb
def awaitROr[I,I2,O](fb: Tee[I,I2,O])(rf: I2 => Tee[I,I2,O]): Tee[I,I2,O] =
awaitR(rf,fb)
//如果两边输入长度不同就在左边补填padI或右边补填padI2
def zipWithAll[I,I2,O](padI: I, padI2: I2)(f: (I,I2) => O): Tee[I,I2,O] = {
val fbL = passL[I,I2] map {f(_, padI2)} //假如先完成左边输入,运算fbL,返回补填padI2的Tee类型
val fbR = passR[I,I2] map {f(padI, _)} //假如先完成右边输入,运算fbR,返回补填padI的Tee类型
awaitLOr(fbL)(i =>
awaitROr(fbR)(i2 => emitT(f(i,i2)))) repeat
}

下面是Tee的一个通用概括的帮助函数,它是两头输入的代表形式:

   //接入左右两边输入
def tee[O2,O3](p2: Process[F,O2])(t: Tee[O,O2,O3]): Process[F,O3] = {
@annotation.tailrec
def feedL(os: Seq[O], ns: Process[F,O], p: Process[F,O2], t: Tee[O,O2,O3], //从左边喂入
rf: Either[Throwable,O] => Tee[O,O2,O3]): Process[F,O3] = //输入类型O
if (os.isEmpty) (ns tee p)(t) //喂完所有输入元素
else rf(Right(os.head)) match { //喂进一个O后检查状态
case Await(rq0,rf0,fb0,fl0) => feedL(os.tail,ns,p,t,rf0) //下一个状态还是await的话继续喂os.tail
case t0 => (Emit(os.tail,ns) tee p)(t0) //tee转入新状态
}
@annotation.tailrec
def feedR(os: Seq[O2], ns: Process[F,O2], p: Process[F,O], t: Tee[O,O2,O3], //从右边喂入
rf: Either[Throwable,O2] => Tee[O,O2,O3]): Process[F,O3] = //输入类型O2
if (os.isEmpty) (p tee ns)(t) //喂完所有输入元素
else rf(Right(os.head)) match { //喂进一个O2后检查状态
case Await(rq0,rf0,fb0,fl0) => feedR(os.tail,ns,p,t,rf0) //下一个状态还是await的话继续喂os.tail
case t0 => (p tee Emit(os.tail,ns))(t0) //tee转入新状态
}
t match {
case Halt(e) => this.kill onComplete p2.kill onComplete Halt(e) //T管道停止就杀掉左右输入process
case Emit(os,ns) => emitAll(os, (this tee p2)(ns)) //T正在发送,等发送完再tee
case Await(side,rf,fb,fl) => side.get match { //T管道正在等待输入,先确定是左右那边输入
case Left(isO) => this match { //左边输入,类型O
case Halt(e) => p2.kill onComplete Halt(e) //左边输入终止,杀掉右边输入保持两边同步
case Await(rqL,rfL,fbL,flL) => await(rqL)(rfL andThen (this2 => this2.tee(p2)(t)))() //左边也在等输入
case Emit(os,ns) => Try {feedL(os,ns,p2,t,rf)} //左边在发送,用feedL逐个O喂入
}
case Right(isO2) => p2 match {
case Halt(e) => this.kill onComplete Halt(e) //右边输入终止,杀掉左边输入保持两边同步
case Await(rqR,rfR,fbR,flR) => await(rqR)(rfR andThen (p => this.tee(p)(t)))()
case Emit(os,ns) => Try {feedR(os,ns,this,t,rf)} //右边在发送,用feedL逐个O喂入
} }
}
}

现在zipWith可以这样写了:

   //用tee来实现zipWith
def zipWith[O2,O3](p2: Process[F,O2])(f: (O,O2) => O3): Process[F,O3] =
(this tee p2)(Process.zipWith(f))

一个完整的IO程序必须包括对数据源Source和数据终点Sink的操作,那么Process[F,O]可不可以代表数据源(Source)类型呢?我们来看看Process[F,O]的读取Await:

   case class Await[F[_],A,O](  //等待输入
rq: F[A], //产生输入的运算。可能是有副作用的
rf: Either[Throwable,A] => Process[F,O], //对运算F[A]返回值的处理函数
fb: Process[F,O] = Halt[F,O](End), //fallback 消耗完输入后转入fb状态
fl: Process[F,O] = Halt[F,O](End) //finalizer 清理现场,放开所有使用中的资源
) extends Process[F,O]

如果我们把F[A]换成IO[A]:

   case class Await[IO[_],A,O](  //等待输入
rq: IO[A], //产生输入的运算。可能是有副作用的
rf: Either[Throwable,A] => Process[IO,O], //对运算F[A]返回值的处理函数
fb: Process[IO,O] = Halt[IO,O](End), //fallback 消耗完输入后转入fb状态
fl: Process[IO,O] = Halt[IO,O](End) //finalizer 清理现场,放开所有使用中的资源
) extends Process[IO,O]

实际上Process[I,O]就是Process[F,O]的一个案例。我们只要运算IO就可以从数据源读取数据了(run IO 返回结果)。我们先看看IO类型,我们前面曾经讨论过这个类型:

 //简化的IO类,只能用做示范
trait IO[A] { self =>
def run: A
def map[B](f: A => B): IO[B] =
new IO[B] { def run = f(self.run) }
def flatMap[B](f: A => IO[B]): IO[B] =
new IO[B] { def run = f(self.run).run }
}
object IO {
def unit[A](a: => A): IO[A] = new IO[A] { def run = a }
def flatMap[A,B](fa: IO[A])(f: A => IO[B]) = fa flatMap f
def apply[A](a: => A): IO[A] = unit(a) // syntax for IO { .. }
}

现在我们可以写个从数据源Source读取数据的程序了:

  //从数据源src把内容读入内存
def collect[O](src: Process[IO,O]): IndexedSeq[O] = { //从src移到IndexedSeq
def go(curState: Process[IO,O], accSeq: IndexedSeq[O]): IndexedSeq[O] =
curState match {
case Halt(e) => accSeq //完成,返回累积数据
case Emit(os,ns) => go(ns, accSeq ++ os) //当前处于发送数据状态,把发送数据累积到accSeq
case Await(rq,rf,fb,fl) => go(Try { rf(Right(rq.run)) }, accSeq) //正在读取数据中
//如果读取发生异常Try函数会返回终止Halt(err)
}
go(src,IndexedSeq())
}

注意以上只是示范了Process[IO,O]作为Process[F,O]的一个特殊实例是可以实现从Source读取数据的。我们将在下个章节讨论具体的可行方案。

我们下面再看看数据终点Sink与Process[F,O]的关系。我们希望通过Process[F,O]类型实现输出功能,也就是把Source的输入发送给Sink。我们用以下方式代表Sink:

type Sink[F[_],O] = Process[F, O => F[Unit]]

这个应该不难理解:Sink为输出O提供了一系列函数。这些函数接收输入参数O然后运行F,F就是个运算不返回结果,如IO运算。

Source和Sink类型的实际应用介绍将在下期“IO过程实际应用-IO Process in action”中具体讨论。