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，结果发现java8的很多语法特性都被用来重构代码。最常用的有map，flatMap之类的。

但是其他朋友不愿意。虽然有人觉得代码变得通俗易懂，但更多人觉得代码变得晦涩难懂。

感觉就像:脱裤子放屁，多此一举。

这些职能的范围，按照级别，我认为可以分为三类。几乎无处不在。

不要过度。

我不知道这些函数是从什么时候开始流行的，但是它们和函数编程的关系肯定是非常密切的。好像Scala是从2004年开始的。

这没什么神奇的。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实现它。不要故意用它来炫耀自己的技能。事情会变得相反。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；而如果用java写Lisp代码，那就不伦不类了。

但是语言还是要融合，因为这是趋势。不看它们背后的设计，只从api的语义表示上看它们横向表达了什么。

我们先来看共性(注:逻辑共性并不适用于所有场景)，然后取几个典型的实现，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。溪流是一种什么东西？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，无论是语言层面还是分布式数据结构。有时它真的是一个简单的数组，有时它是存在于多台机器中的分布式数组。以下，我们统称为数组流。

我们简单分为两类。

语言层面的：比如Java的Stream分布式层面的：比如Spark的RDD

都有以下几个重点。

函数可以用作参数。

c语言当然可以，可以传入函数作为指针。但不久前，在java中，这是要绕弯的(用java concept中的类来模拟函数，会看到很多Func1、Func0等奇怪的java类)。

做函数参数是让代码简洁的必要条件。我们通常的编程方法大多是顺序执行一些操作。

array = new Array()array = func1(array)if(func2(array)){ array = func3(array)}array = func4(array)

而且如果函数可以作为参数，我可以尽量平铺操作。最后还是要翻译成上面的语句来执行。

array = new Array()array.stream().map(func1).filter(func2).flatMap(func3).sorted(func4)...

编程模式完全变了，函数有了语义。

顺序和并行

如果我们的数组流太大，对于单机来说，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，并行不一定很快。

用java里的ForkJoin，线程的速度，你懂的…

但是对于分布式数据流来说，是并行的，所以这个参数意义不大。

功能类别

通常，作用于数据流的函数可以分为两类。

转换。Transformation动作。Action

转换的典型特征就是懒。

只有执行了动作，才会真正参与到操作中。因此，您可以将这些转换操作视为一组缓冲操作。典型功能如:地图、平面地图等。它们像串肉扦一样串在一起，等着被卷起来。

行动。真正触发代码的操作，上面的一系列转换，也会像打开闸门的洪水。典型的如reduce函数，就是这个。

上面的描述也不尽然，比如python的map，可以输出执行后的结果。很尴尬。

映射和缩小

说到map和reduce，大家想到的都是hadoop。然而，它不仅仅是大数据中的一个概念。

对于他们的概念，我们只介绍以下两行。

地图

将传入的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类似于一个递归概念。最终会缩减为一个值。看这个公式:)

reduce([p1,p2,p3,p4],fn) = reduce([fn(p2,p4),fn(p1,p3)])

具体看一下Google的经典论文。

《MapReduce:简化数据》

大型集群上的处理》

https://ai.google/research/pubs/pub62

你能参观吗？:)

地图和平面图

这两个函数经常用到。它们有以下不同之处:

地图

使用提供的函数执行数组流中的每个值，并一一对应。获取具有相同元素数量的数组流。

平面地图

平就是平的意思。它使用提供的函数来执行数组流中的每一个值，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。这些子数组合并成一个数组后，元素的数量将与原始数组流的数量不同。

程序员的表现

八种java8流

Java8开始于添加一个新的抽象，叫做Stream: stream。有了lambda语法，代码可以变得特别清爽干净(如果你发现什么的话，一定是Scala)。

一个非常好的指南:

https://stackify.com/streams-guide-java-8/

火花的RDD操作

spark的核心数据模型是RDD，这是一个有向无环图。它表示一个不可变的、可划分的集合，其中的元素可以并行计算。

它是分布式的，但是我们可以看看WordCount的下一个例子。

JavaRDD textFile = sc.te嘉文社百科xtFile(\"hdfs://...\");JavaPairRDD counts = textFile .flatMap(s -> Arrays.asList(s.split(\" \")).iterator()) .mapToPair(word -> new Tuple2(word, 1)) .reduceByKey((a, b) -> a + b);counts.saveAsTextFile(\"hdfs://...&q嘉文社百科uot;);

好熟悉的Api。你一定在Hadoop里见过。

弗林克数据流

Flink程序是执行分布式集合转换(例如，过滤、映射、更新状态、联接、分组、定义窗口、聚合)的例行程序。Flink中的数据流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。

DataStream counts =// split up the lines in pairs (2-tuples) containing: (word,1)text.flatMap(new Tokenizer())// group by the tuple field \"0\" and sum up tuple field&嘉文社百科nbsp;\"1\".keyBy(0).sum(1);

卡夫卡流的运作

Kafka已经成为一个分布式流计算平台。他抽象出了一个KStream和KTable，类似于Spark的RDD，有着相似的操作。

KStream可以看作是KTable的更新日志，数据流中的每一条记录都对应着数据库中的每一次更新。

让我们来看看它的一段代码。

KTable wordCounts = textLines.flatMapValues(value -> Arrays.asList(value.toLowerCase().split(\"\\\\W+\"))).groupBy((key, value) -> value).count();wordCounts.toStream().to(\"streams-wordcount-output\", Produced.with(stringSerde, longSerde));

RxJava

Rx是一个基于观察者模式的异步任务框架，在Android开发中经常使用(越来越多的被服务器使用)。

Rx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自有它的光环。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。最基本的贴图、还原、过滤等功能也是有的。

Java Script语言

Js也拉不下来，比如Array.prototype.*()等。该有的都有了。

目标

还有很多，就不一一列举了。对了，这些功能可以申请专利吗？很喜欢，虽然很少用。

以上就是由优质生活领域创作者 嘉文社百科网小编 整理编辑的，如果觉得有帮助欢迎收藏转发~