再談 JavaScript 函數語言程式設計的適用性

函數語言程式設計 JavaScript · 發表 2019-02-09 20:52:42

摘要：最近在 Udemy 上學 Stephen Grider 的課程 Machine Learning With JavaScript。由於是個人業餘練習，課程中的程式碼我都用純函式式編寫。其中有一部分要解決這個問題：給定一個矩陣資料，例如 const data = [ [12, 2, 5,...

最近在 Udemy 上學 Stephen Grider 的課程 Machine Learning With JavaScript。由於是個人業餘練習，課程中的程式碼我都用純函式式編寫。其中有一部分要解決這個問題：給定一個矩陣資料，例如

const data = [
[12, 2, 5, 4],
[13, 6, 3, 5],
[17, 2, 5, 4],
[14, 9, 3, 4],
[15, 9, 3, 4]
];
複製程式碼

要求把矩陣的每列進行資料 normalization，就是說基於每列資料的最大數和最小數，將該列資料轉換成從 0 到 1 的小數。如[1, 2, 3] 轉換成[0, 0.5, 1] 。另外要求操作列數可定製。課程給的答案如下：

function normalizeMatrix(range, data) {
const copy = _.cloneDeep(data);
// 只在給定的列數範圍內操作
for (let i = 0; i < range; i++) {
const col = copy.map(row => row[i]);
const max = _.max(col);
const min = _.min(col);
for (let j = 0; j < copy.length; j++) {
copy[j][i] = (copy[j][i] - min) / (max - min);
}
}
return copy;
}
複製程式碼

為了不改變原資料，上面的函式在進行操作前，用 lodash 對資料進行了深拷貝。

我使用 Ramda 寫出的結果如下：

// Ramda 沒有 min 和 max 輔助函式，我用自己寫的
const min = list => Math.min(...list);

const max = list => Math.max(...list);

const applyMinMax = R.curry((min, max, list) =>
list.map(num => (num - min) / (max - min))
);

const normalizeRow = R.converge(applyMinMax, [min, max, R.identity]);

const applyCalc = limit => list =>
list.map((row, idx) => (idx >= limit ? row : normalizeRow(row)));

const normalizeMatrix = range =>
R.compose(
R.transpose,
applyCalc(range),
R.transpose
)
複製程式碼

我寫的這個版本，先用 transpose 函式把原矩陣進行行列置換，資料操作完成後，再置換回原形狀。

看上去兩個版本都很彆扭。第一個把資料進行了深拷貝，第二個把資料行列置換了兩次。那效能比較如何？

我的電腦測試結果如下：

const getSample = length =>
Array.from({ length }, _ =>
Array.from({ length }, _ => Math.floor(Math.random() * 100))
);

const sampleData = getSample(1000)

// 第一個版本
// => imperative: 255.112ms
console.time('imperative')
normalizeMatrix1(1000, sampleData)
console.timeEnd('imperative')

// 第二個版本
// => ramda: 177.802ms
console.time('ramda')
normalizeMatrix2(1000)(sampleData)
console.timeEnd('ramda')
複製程式碼

Ramda 版本效能更優。

基於這個例子我有下面這些思考：

一，指令式程式設計在某些上下文有其適用性。甚至大多數時候，主流的實踐都偏好指令式程式碼。寫指令式程式碼目的有兩個：一是考慮效能。指令式程式碼對過程控制比較細粒度，很容易優化效能。二是大多數語言對於 lambda 表示式的支援，不管是語言層面的，還是生態層面的，都不是很好，所以只能用指令式寫。但上面的例子說明了，某些情況下，按照過程式的定勢思維寫出的程式碼，不一定能達到目的。

二，即使是高階語言的指令式程式碼，其實在函數語言程式設計上下文裡面也相當於彙編指令。比如，上面用到的 transpose 函式，其實是用兩層巢狀 while 迴圈實現的，實現細節裡面也有用到臨時變數等指令式元素。而這些實施細節是隱藏不見的，對於函式使用者來說，把實施細節當做彙編指令是沒多大問題的。

上面第二點，可以參考 Haskell 繼續說明下。

經典的快排演算法，用 JS，即使用遞迴來寫，也要很多步驟：

const quickSort = list => {
if (list.length === 0) return list;
const [pivot, ...rest] = list;
const smaller = [];
const bigger = [];
rest.forEach(x => (x < pivot ? smaller.push(x) : bigger.push(x)));

return [...quickSort(smaller), pivot, ...quickSort(bigger)];
};
複製程式碼

Haskell 版本：

quicksort[] = []
quicksort (x:xs) = quicksort smaller ++ [x] ++ quicksort larger
where 
smaller = [a | a <- xs, a <= x]
larger= [b | b <- xs, b > x]
複製程式碼

由於 Haskell 語言層面支援惰性求值，遞迴，和 list comprehension，所以它天然支援高表達性語法，至於底層實現和優化則交給編譯器去處理，編寫者不用關心。而像 JavaScript，由於語言層面沒有 Haskell 的這些特性，所以需要某些庫，用指令式的方式實現某些 lambda 功能。用庫去解決本該由編譯器去解決的問題肯定不是最優的，這是 JavaScript 在函數語言程式設計實踐中的侷限。

總結如下：

一些 JS 函式式庫，例如 Ramda, Sanctuary 和 crocks，可以幫助開發者使用 JS 進行函數語言程式設計。crocks 的作者 evilsoft 在 egghead 上有一門課，講用 State ADT 寫 React 和 Redux 應用。課程中寫的應用邏輯稍複雜，但 evilsoft 做到了純 lambda 程式設計（全部用 expression，沒有 statement）。當然這種實踐只是一種 alternative，主要是用來學習思想。我覺得那種程式碼像清風一樣。
用 JS 進行函數語言程式設計也存在一些侷限。維護門檻高是一方面。技術層面，用開源庫去 polyfill 語言特性不是很可靠。Elm 和 PureScript 是更好的替代。

再談 JavaScript 函數語言程式設計的適用性

您可能也會喜歡…