* 尽情地使用worksheet吧! * 尽情地用IDE查看标准库的源代码吧! * 推荐coursera上的课程[progfun](https://www.coursera.org/course/progfun)和[reactive](https://www.coursera.org/course/reactive) * 尽情地查看文档,推荐软件Dash

这里有一个[性能测试](http://benchmarksgame.alioth.debian.org/u64/performance.php?test=binarytrees&sort=elapsed)网站 我对于网站测试的结果,我总结的情况就是两点. 1\. 排在后面的基本都是动态类型语言,静态类型语言相对容易优化到性能差不多的结果. 2\. 同一个语言代码写得好差产生的性能差异,远远比各种语言最好的代码性能差异大. ### 总的来说,程序员越自由,程序性能就越差 不过也有反例,我们之前那个程序就是. ~~~ //java版本 public static void main(String[] args) { List paramsList = new LinkedList() {{ add(">= 3"); add("< 7"); }}; JavaRangeMatcher matcher = new JavaRangeMatcher(paramsList); Random random = new Random(); long timeBegin = System.currentTimeMillis(); for (int i = 0; i < 100000000; i++) { int input = random.nextInt() % 10; matcher.check(input); } long timeEnd = System.currentTimeMillis(); System.out.println("java 消耗时间: " + (timeEnd - timeBegin) + " 毫秒"); //java 消耗时间: 3263 毫秒 } ~~~ ~~~ //scala版本 def main(args: Array[String]) { val requirements = Seq(">= 3", "< 7") val rangeMatcher = RangeMatcher(requirements) val timeBegin = System.currentTimeMillis() 0 until 100000000 foreach { case _ => rangeMatcher.check(Random.nextInt(10)) } val timeEnd = System.currentTimeMillis() println(s"scala 消耗时间 ${timeEnd - timeBegin} 毫秒") //scala 消耗时间 2617 毫秒 } ~~~ 想想这是为什么?

### 一个需求 * 假设我们需要检查许多的数字是否符合某一范围 * 范围存储在外部系统中,并且可能随时更改 * 数字范围像这样存储着”>= 3,< 7” 一个java版本 ~~~ List params = new LinkedList<>(); List nums = new LinkedList<>(); List marks = new LinkedList<>(); public JavaRangeMatcher(List params) { this.params = params; for (String param : params) { String[] markNum = param.split(" "); marks.add(markNum[0]); nums.add(Integer.parseInt(markNum[1])); } } public boolean check(int input) { for (int i = 0; i < marks.size(); i++) { int num = nums.get(i); String mark = marks.get(i); if (mark.equals(">") && input <= num) return false; if (mark.equals(">=") && input < num) return false; if (mark.equals("<") && input >= num) return false; if (mark.equals("<=") && input > num) return false; } return true; } List paramsList = new LinkedList() {{ add(“>= 3”); add(“< 7”); }}; JavaRangeMatcher matcher = new JavaRangeMatcher(paramsList); int[] inputs = new int[]{1, 3, 5, 7, 9}; for (int input : inputs) { System.out.println(matcher.check(input)); } //给自己有限的时间,想想又没有性能优化的余地 //我们一起来跑跑看 ~~~ 一个 scala 版本 ~~~ def exprToInt(expr: String): Int => Boolean = { val Array(mark, num, _*) = expr.split(" ") val numInt = num.toInt mark match { case "<" => numInt.> case ">" => numInt.< case ">=" => numInt.<= case "<=" => numInt.>= } //返回函数的函数 } case class RangeMatcher(range: Seq[String]) { val rangeFunc: Seq[(Int) => Boolean] = range.map(exprToInt) def check(input: Int) = rangeFunc.forall(_(input)) } def main(args: Array[String]) { val requirements = Seq(">= 3", "< 7") val rangeMatcher = RangeMatcher(requirements) val results = Seq(1, 3, 5, 7, 9).map(rangeMatcher.check) println(results.mkString(",")) //false,true,true,false,false } ~~~

### 传统异常处理的局限性 ~~~ try { 1024 / 0 } catch { case e: Throwable => e.printStackTrace() } ~~~ 用try-catch的模式,异常必须在抛出的时候马上处理. 然而在分布式计算中,我们很可能希望将异常集中到一起处理,来避免需要到每台机器上单独看错误日志的窘态. ~~~ val seq = Seq(0, 1, 2, 3, 4) //seq: Seq[Int] = List(0, 1, 2, 3, 4) val seqTry = seq.map(x => Try { 20 / x }) //seqTry: Seq[scala.util.Try[Int]] = List(Failure(java.lang.ArithmeticException: devide by zero),Success(20), Success(10), Success(6), Success(5)) val succSeq = seqTry.flatMap(_.toOption) //succSeq: Seq[Int] = List(20, 10, 6, 5) Try可以转换成Option val succSeq2 = seqTry.collect { case Success(x) => x } //succSeq2: Seq[Int] = List(20, 10, 6, 5) 和上一个是一样的 val failSeq: Seq[Throwable] = seqTry.collect { case Failure(e) => e } //failSeq: Seq[Throwable] = List(java.lang.ArithmeticException: devide by zero) ~~~ Try实例可以序列化,并且在机器间传送.

### null 的问题 ~~~ Map map = ??? String valFor2014 = map.get(“1024”); // null if (valFor1024 == null) abadon(); else doSomething(); ~~~ * null到底代表key找不到还是说1024对应的值就是null? * 某年某月某日,我把为null则abandon这段代码写了100遍. ### option介绍 * option可以看作是一个容器,容器的size是1或0 * Size为1的时候就是一个`Some[A](x: A)`,size为0的时候就是一个`None` ### 看看scala的map ~~~ def get(key: A): Option[B] def getOrElse[B1 >: B](key: A, default: => B1): B1 = get(key) match { case Some(v) => v case None => default } ~~~ * 可以区分Map中到底又没有这个key. * 我见过许多java项目自己实现了`getOrElse`这个方法并放在一个叫做MapUtils的类里. * 为什么java经过这么多代演进,Map仍然没有默认包含这个方法,一直想不通. (写完这段突然发现java8开始包含getOrDefault了) ### 好像没有太大区别? 确实能够区分Map是无值还是值为null了. 但是if(为null) 则 abandon 要写一百遍. `case Some(v) => v` `case None => default` 似乎也得写一百遍. 不,不是这样的 不要忘了option是个容器 [http://www.scala-lang.org/api/2.11.7/index.html#scala.Option](http://www.scala-lang.org/api/2.11.7/index.html#scala.Option) ### 试试容器里的各种方法 ~~~ val a: Option[String] = Some("1024") val b: Option[String] = None a.map(_.toInt) //res0: Option[Int] = Some(1024) b.map(_.toInt) //res1: Option[Int] = None,不会甩exception a.filter(_ == "2048") //res2: Option[String] = None b.filter(_ == "2048") //res3: Option[String] = None a.getOrElse("2048") //res4: String = 1024 b.getOrElse("2048") //res5: String = 2048 a.map(_.toInt) .map(_ + 1) .map(_ / 5) .map(_ / 2 == 0) //res6: Option[Boolean] = Some(false) //如果是null,恐怕要一连check abandon四遍了 ~~~ ### option配合其他容器使用 ~~~ val a: Seq[String] = Seq("1", "2", "3", null, "4") val b: Seq[Option[String]] = Seq(Some("1"), Some("2"), Some("3"), None, Some("4")) a.filter(_ != null).map(_.toInt) //res0: Seq[Int] = List(1, 2, 3, 4) //如果你忘了检查,编译器是看不出来的,只能在跑崩的时候抛异常 b.flatMap(_.map(_.toInt)) //res1: Seq[Int] = List(1, 2, 3, 4) ~~~ * option帮助你把错误扼杀在编译阶段 * flatMap则可以在过滤空值的同时将option恢复为原始数据. scala原生容器类都对option有良好支持 ~~~ Seq(1,2,3).headOption //res0: Option[Int] = Some(1) Seq(1,2,3).find(_ == 5) //res1: Option[Int] = None Seq(1,2,3).lastOption //res2: Option[Int] = Some(3) Vector(1,2,3).reduceLeft(_ + _) //res3: Int = 6 Vector(1,2,3).reduceLeftOption(_ + _) //res4: Option[Int] = Some(6) //在vector为空的时候也能用 Seq("a", "b", "c", null, "d").map(Option(_)) //res0: Seq[Option[String]] = // List(Some(a), Some(b), Some(c), None, Some(d)) //原始数据转换成option也很方便 ~~~

### Tuple为编程提供许多便利 * 函数可以通过tuple返回多个值 * tuple可以存储在容器类中,代替java bean * 可以一次为多个变量赋值 ### 使用tuple的例子 ~~~ val (one, two) = (1, 2) one //res0: Int = 1 two //res1: Int = 2 def sellerAndItemId(orderId: Int): (Int, Int) = orderId match { case 0 => (1, 2) } val (sellerId, itemId) = sellerAndItemId(0) sellerId // sellerId: Int = 1 itemId // itemId: Int = 2 val sellerItem = sellerAndItemId(0) sellerItem._1 //res4: Int = 1 sellerItem._2 //res5: Int = 2 ~~~ ### 用模式匹配增加tuple可读性 ~~~ val sampleList = List((1, 2, 3), (4, 5, 6), (7, 8, 9)) sampleList.map(x => s"${x._1}_${x._2}_${x._3}") //res0: List[String] = List(1_2_3, 4_5_6, 7_8_9) sampleList.map { case (orderId, shopId, itemId) => s"${orderId}_${shopId}_$itemId" } //res1: List[String] = List(1_2_3, 4_5_6, 7_8_9) ~~~ 上下两个map做了同样的事情,但下一个map为tuple中的三个值都给了名字,增加了代码的可读性. ### match和java和switch很像,但有区别 1. match是表达式,会返回值 2. match不需要”break” 3. 如果没有任何符合要求的case,match会抛异常,因为是表达式 4. match可以匹配任何东西,switch只能匹配数字或字符串常量 ~~~ //case如果是常量,就在值相等时匹配. //如果是变量,就匹配任何值. def describe(x: Any) = x match { case 5 => "five" case true => "truth" case "hello" => "hi!" case Nil => "the empty list" case somethingElse => "something else " + somethingElse } ~~~ case class,tuple以及列表都可以在匹配的同时捕获内部的内容. ~~~ case class Sample(a:String,b:String,c:String,d:String,e:String) def showContent(x: Any) = x match { case Sample(a,b,c,d,e) => s"Sample $a.$b.$c.$d.$e" case (a,b,c,d,e) => s"tuple $a,$b,$c,$d,$e" case head::second::rest => s"list head:$head second:$second rest:$rest" } ~~~ ### Case class 1. 模式匹配过程中其实调用了类的unapply方法 2. Case class 是为模式匹配(以及其他一些方面)提供了特别的便利的类 3. Case class 还是普通的class,但是它自动为你实现了apply,unapply,toString等方法 4. 其实tuple就是泛型的case class

> 维基百科中惰性求值的解释 > 惰性求值（Lazy Evaluation），又称惰性计算、懒惰求值，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”，本条目专注前者，后者请参见最小化计算条目。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。 > 惰性求值的相反是及早求值，这是一个大多数编程语言所拥有的普通计算方式。 ### 惰性求值不是新鲜事 ~~~ import scala.io.Source.fromFile val iter: Iterator[String] = fromFile("sampleFile") .getLines() ~~~ 文件迭代器就用到了惰性求值. 用户可以完全像操作内存中的数据一样操作文件,然而文件只有一小部分传入了内存中. ### 用lazy关键词指定惰性求值 ~~~ lazy val firstLazy = { println("first lazy") 1 } lazy val secondLazy = { println("second lazy") 2 }  def add(a:Int,b:Int) = { a+b } ~~~ ~~~ //在 scala repl 中的结果 scala> add(secondLazy,firstLazy) second lazy first lazy res0: Int = 3 res0: Int = 3 ~~~ second lazy 先于 first lazy输出了 ### Call by value 就是函数参数的惰性求值 ~~~ def firstLazy = { println("first lazy") 1 } def secondLazy = { println("second lazy") 2 } def chooseOne(first: Boolean, a: Int, b: Int) = { if (first) a else b } def chooseOneLazy(first: Boolean, a: => Int, b: => Int) = { if (first) a else b } ~~~ ~~~ chooseOne(first = true, secondLazy, firstLazy) //second lazy //first lazy //res0: Int = 2 chooseOneLazy(first = true, secondLazy, firstLazy) //second lazy //res1: Int = 2 ~~~ 对于非纯函数,惰性求值会产生和立即求值产生不一样的结果. ### 一个例子,假设你要建立一个本地缓存 ~~~ //需要查询mysql等,可能来自于一个第三方jar包 def itemIdToShopId: Int => Int   var cache = Map.empty[Int, Int] def cachedItemIdToShopId(itemId: Int):Int = { cache.get(itemId) match { case Some(shopId) => shopId case None => val shopId = itemIdToShopId(itemId) cache += itemId -> shopId shopId } } ~~~ * 罗辑没什么问题,但测试的时候不方便连mysql怎么办? * 如果第三方jar包发生了改变,cachedItemIdToShopId也要发生改变. ~~~ //用你的本地mock来测试程序 def mockItemIdToSHopId: Int => Int def cachedItemIdToShopId(itemId: Int): Int ={ cache.get(itemId) match { case Some(shopId) => shopId case None => val shopId = mockItemIdToSHopId(itemId) cache += itemId -> shopId shopId } } ~~~ * 在测试的时候用mock,提交前要换成线上的,反复测试的话要反复改动,非常令人沮丧. * 手工操作容易忙中出错. ~~~ //将远程请求的结果作为函数的一个参数 def cachedItemIdToShopId(itemId: Int, remoteShopId: Int): Int = { cache.get(itemId) match { case Some(shopId) => shopId case None => val shopId = remoteShopId cache += itemId -> shopId shopId } } //调用这个函数 cachedItemIdToShopId(itemId,itemIdToShopId(itemId)) ~~~ * 函数对mysql的依赖没有了 * 不需要在测试和提交时切换代码 * 貌似引入了新问题? 没错,cache根本没有起应有的作用,函数每次执行的时候都调用了itemIdToShopId从远程取数据 ~~~ //改成call by name就没有这个问题啦 def cachedItemIdToShopId(itemId: Int, remoteShopId: =>Int): Int = { cache.get(itemId) match { case Some(shopId) => shopId case None => val shopId = remoteShopId cache += itemId -> shopId shopId } } //调用这个函数 cachedItemIdToShopId(itemId,itemIdToShopId(itemId)) ~~~ * 函数对mysql的依赖没有了 * 不需要在测试和提交时切换代码 * 只在需要的时候查询远程库

纯函数（Pure Function）是这样一种函数——输入输出数据流全是显式（Explicit）的。 显式（Explicit）的意思是，函数与外界交换数据只有一个唯一渠道——参数和返回值；函数从函数外部接受的所有输入信息都通过参数传递到该函数内部；函数输出到函数外部的所有信息都通过返回值传递到该函数外部。 如果一个函数通过隐式（Implicit）方式，从外界获取数据，或者向外部输出数据，那么，该函数就不是纯函数，叫作非纯函数（Impure Function）。 隐式（Implicit）的意思是，函数通过参数和返回值以外的渠道，和外界进行数据交换。比如，读取全局变量，修改全局变量，都叫作以隐式的方式和外界进行数据交换；比如，利用I/O API（输入输出系统函数库）读取配置文件，或者输出到文件，打印到屏幕，都叫做隐式的方式和外界进行数据交换。 ~~~ //一些例子 //纯函数 def add(a:Int,b:Int) = a + b //非纯函数 var a = 1 def addA(b:Int) = a + b def add(a:Int,b:Int) = { println(s"a:$a b:$b") a + b } def randInt() = Random.nextInt() ~~~ ### 纯函数的好处(来自维基百科) * 无状态,线程安全,不需要线程同步. * 纯函数相互调用组装起来的函数,还是纯函数. * 应用程序或者运行环境(Runtime)可以对纯函数的运算结果进行缓存,运算加快速度. ### 纯函数的好处(来自我的经验) * 单元测试非常方便! * 分布式/并发环境下,断点调试的方式无以为继,你需要单元测试. 单元测试什么的,赶紧去 [http://www.scalatest.org](http://www.scalatest.org/) 试试吧

> 语句(statement): 一段可执行的代码 > 表达式(expression): 一段可以被求值的代码 在Java中语句和表达式是有区分的,表达式必须在return或者等号右侧,而在scala中,一切都是表达式. 一个例子: 假设我们在公司的内网和外网要从不同的域名访问一样的机器 ~~~ //Java代码 String urlString = null; String hostName = InetAddress.getLocalHost().getHostName(); if (isInnerHost(hostName)) { urlString = "http://inner.host"; } else { urlString = "http://outter.host"; } ~~~ 刚转到scala的人很可能这么写 ~~~ var urlString: String = null var hostName = InetAddress.getLocalHost.getHostName if (isInnerHost(hostName)) { urlString = "http://inner.host" } else { urlString = "http://outter.host" } ~~~ 我们让它更像scala一点吧 ~~~ val hostName = InetAddress.getLocalHost.getHostName val urlString = if (isInnerHost(hostName)) { "http://inner.host" } else { "http://outter.host" } ~~~ > 这样做的好处都有啥? 1. 代码简练,符合直觉 2. urlString 是值而不是变量,有效防止 urlString 在后续的代码中被更改(编译时排错) 很多时候,我们编程时说的安全并不是指怕被黑客破坏掉,而是预防自己因为逗比而让程序崩了.

> 原文出处：http://segmentfault.com/a/1190000003068853 > 作者：笋干太咸 新手向,面向刚从java过渡到scala的同学,目的是写出已已易于维护和阅读的代码.