restapi（7）- 谈谈函数式编程的思维模式和习惯
- 2019 年 10 月 7 日
- 笔记
国庆前，参与了一个c# .net 项目，真正重新体验了一把搬砖感觉：在一个多月时间好像不加任何思考，不断敲键盘加代码。我想，这也许是行业内大部分中小型公司程序猿的真实写照：都是坐在电脑前的搬砖工人。不过也不是没有任何收获，在搬砖的过程中我似乎发现了一些现象和造成这些现象背后的原因及OOP思维、习惯模式。和大部分IT公司一样，这间公司在行业里存在了一定时间（不是初创）所以在产品和技术方面有一定的积累，通俗点就是一堆现成的c# .net 代码。然后就是项目截止日期压力。为了按时完成任务的我只能在原有代码基础上不断加功能，根本没有机会去考虑用什么样的代码模式、结构去达到更好的效果。在这个过程中有个有趣的现象引起了我的注意：基本上我只需按照某种流程（多数是业务需求）一个个增加环节就可以实现一项完整功能，当然我是不会计较这些环节对软件其它部分是否产生影响，又或者以后代码维护会不会很麻烦，只要能及时交货就行。想想这种做法恰恰是面向对象编程或所谓行令式编程的特点，即：通过逐行执行命令引导程序的状态改变，最终状态就是运行程序的结果了，或者就是功能的实现了。通过一行行增加代码最终总会到达预期的状态，不是吗。这正是OO编程的思维模式：因为程序状态体现在每行代码上，随时可以检查，验证思路，所以OOP比较容易上手（相对函数式编程而言）。
回顾一下函数式编程：好像很难按照自然逻辑思维顺序来实现一个功能，这是因为函数式编程是一种嵌套式间接性的编程模式，即程序是在某种嵌套里运行的。函数式编程又被称为monatic-programming，即在monad里编程。monad就是我所说的嵌套，是一种类型结构，最常用的是Future类型。在现代编程里多线程编程非常普遍，实际上往往我们离不开各种各样的Future。举个形象的例子：如果实现把脏水从A点引到B点输出纯净水作为某种函数式程序，编程如同搭建管道网。必须首先准备好各式各样功能的喉管，实现每种喉管的特殊功能如过滤、消毒等，然后再连接组合形成送水管道。
我在进行函数式编程时总是要把所以问题前前后后都考虑清楚了才能开始动手。首先会把一项功能的所有环节先总结出来，这些都是一些函数。然后尝试把这些函数的类型统一了，就像上面提到的喉管一样，因为不同规格的喉管是无法连接的。同样，不同类型的嵌套monad是无法实现函数组合的。然后先根据需求实现这些函数的输入输出，最后把这些函数组合起来形成完整功能。你看，在函数式编程里是无法做到随意想到那就写到那的，必须先进行整体的思量。所以，函数式编程在代码重用和维护上有先天的优势。这个例子也体现了函数式编程的思维模式。
下面我想用一个实际的例子来示范函数式编程模式：前面几篇讨论的例子里有一个是把前端httpclient上传httpserver的图片存放入服务器端mongodb数据库的。现在发现客户端上传图片数据流有困难，希望上传一个图片下载网址，由httpserver自行下载图片并写入mongodb。单从这个功能来讲，应该由几个环节组成：
1、从上传的数据中抽出图片下载网址
2、下载图片，通过http的request请求，从response里获取图片数据流
3、通过mongodb的count功能获取图片系列序号
4、将图片写入mongodb
首先，我需要把这几个环节形成函数，然后统一函数类型。无可争议，最好选择Future[A]这样的函数返回类型：
假设数据是用json格式传上来的，那得有个类型作为数据结构：
case class UpData (pid: String, url: String)
可以如下获取上传的数据：
entity(as[String]) { json => val upData: UpData = fromJson[UpData](json) ... }
获取图片系列序号：返回Future[Long]
repository.count(upData.pid).toFuture[Long]
下载图片：这个返回Future[ByteString]
import akka.actor.ActorSystem import akka.http.scaladsl.model._ import akka.http.scaladsl.Http def downloadPicture(url: String)(implicit sys: ActorSystem): Future[ByteString] = { val dlRequest = HttpRequest(HttpMethods.GET, uri = url) Http(sys).singleRequest(dlRequest).flatMap { case HttpResponse(StatusCodes.OK, _, entity, _) => entity.dataBytes.runFold(ByteString()) { case (hd, bs) => hd ++ bs } case _ => Future.failed(new RuntimeException("failed getting picture!")) } }
写入mongodb：这个函数也返回Future[?]
def addPicuture(pid: String,seqno: Int, optDesc: Option[String] ,optWid:Option[Int],optHgh:Option[Int], bytes: Array[Byte]):Future[Completed] ={ var doc = Document( "pid" -> pid, "seqno" -> seqno, "pic" -> bytes ) if (optDesc != None) doc = doc + ("desc" -> optDesc.get) if (optWid != None) doc = doc + ("width" -> optWid.get) if (optHgh != None) doc = doc + ("height" -> optHgh.get) repository.insert(doc).toFuture[Completed] }
好了，现在这几个函数都是Future类型的，可以进行组合了：
val futSeqno: Future[Long] = for { cnt <- repository.count(upData.pid).toFuture[Long] barr <- downloadPicture(upData.url) _ <- addPicuture(upData.pid, cnt.toInt, None, None, None, barr.toArray) } yield cnt
futSeqNo是个组合的运算流程。注意它的类型还是future：意味这我们无法预测这个运算什么时候会完成，特别如果下载一张超大图片又或者网速缓慢的话，很可能在下载完成之前就执行了complete()。所以我们必须保证图片下载完成后才向终端httpclient返回response，就用onComplete来实现：
onComplete(futSeqno) { case Success(lv) => complete(lv.toString()) case _ => complete("error saving picture!") }
所以整段宏观代码如下：
post { entity(as[String]) { json => val upData: UpData = fromJson[UpData](json) val futSeqno: Future[Long] = for { cnt <- repository.count(upData.pid).toFuture[Long] barr <- downloadPicture(upData.url) _ <- addPicuture(upData.pid, cnt.toInt, None, None, None, barr.toArray) } yield cnt onComplete(futSeqno) { case Success(lv) => complete(lv.toString()) case _ => complete("error saving picture!") } } }~
是不是很容易读懂理解？实际上我们把复杂的细节函数藏在背后。而这些函数是高度可重复利用的，这也是我们在动手之前通盘考虑的成果。
