Question

让我们假设您有一个程序以某种方式操纵流Stream[Foo]以产生感兴趣的计算，例如

myFooStream.map(toBar).groupBy(identity).mapValues(_.size)

很可爱，除非您现在必须在myFooStream上进行其他类型的计算，例如

myFooStream.map(toBar).sum

并且你想以某种方式编写这些计算，这样你就不需要在流上迭代两次了（让我们说因为某种原因迭代流是昂贵的）。

是否有一些Scala-ish方法来处理这个问题？我的问题更抽象地说，我想以某种方式从这些流上的迭代中抽象出这些流的计算。也就是说，最好的情况是，如果我能够以某种方式编写两个方法f: Stream[Foo] => Bar和g: Stream[Foo] => Baz并以某种方式组合f和g，使得它们在单次迭代中运行流。

是否有一些抽象允许这个？

更新的问题：我做了一点挖掘。 scalaz箭头会对这个问题有帮助吗？

Answer 1

Streams通过记忆结果自然会尽可能避免多次生成元素。来自docs：

Stream类还使用memoization，以便先前计算的值从Stream元素转换为A类型的具体值。

我们可以看到，通过构造Stream，每次生成元素时都会打印，并运行多个操作：

val stream = Stream.from(0).map(x => { println(x); x }).take(10) //prints 0
val double = stream.map(_ * 2).take(5).toList //prints 1 through 4
val sum = stream.sum //prints 5 through 9
val sum2 = stream.sum //doesn't print any more

只要您使用val而不是def：

，此功能就有效

只要有东西抓住头部，头部就会抓住尾巴，所以它会继续递归。另一方面，如果头部没有任何东西（例如我们使用def来定义Stream），那么一旦它不再被直接使用，它就会消失。

此备忘录意味着必须谨慎Streams：

必须谨慎记忆;如果你不小心，你可以很快吃掉大量的记忆。这样做的原因是Stream的记忆创建了一个类似于scala.collection.immutable.List的结构。

当然，如果项目的生成不是昂贵的，但Stream或memoization的实际遍历是不可用的，因为它太贵了，人们可以始终将foldLeft与元组一起使用，跟踪多个值：

//Only prints 0-9 once, even if stream is a def
val (sum, double) = stream.foldLeft(0 -> List.empty[Int]) { 
    case ((sum, list), next) => (sum + next, list :+ (next * 2)) 
}

如果这是一个足够普通的操作，您甚至可以丰富Stream来制作一些更常见的操作，例如foldLeft，reduceLeft以及其他可用的格式：

implicit class RichStream[T](val stream: Stream[T]) extends AnyVal {
    def doubleFoldLeft[A, B](start1: A, start2: B)(f: (A, T) => A, g: (B, T) => B) = stream.foldLeft(start1 -> start2) { 
        case ((aAcc, bAcc), next) => (f(aAcc, next), g(bAcc, next)) 
    }
}

这将允许您执行以下操作：

val (sum, double) = stream.doubleFoldLeft(0, List.empty[Int])(_ + _, _ :+ _)

Answer 2

流不会迭代两次：

Stream.continually{println("bob"); 1}.take(4).map(v => v).sum
bob
bob
bob
bob
4

和

val bobs = Stream.continually{println("bob"); 1}.take(4)
val alices = Stream.continually{println("alice"); 2}.take(4)
bobs.zip(alices).map{ case (b, a) => a + b}.sum
bob
bob
bob
bob
alice
alice
alice
alice
12

在Scala中编写Streams上的操作

2 个答案: