Scala零基础教学【81-89】

第81讲：Scala中List的构造是的类型约束逆变、协变、下界详解

首先复习四个概念——协变、逆变、上界、下界

对于一个带类型参数的类型，比如 List[T]：

如果对A及其子类型B，满足 List[B]也符合 List[A]的子类型，那么就称为covariance(协变)；

如果 List[A]是 List[B]的子类型，即与原来的父子关系正相反，则称为contravariance(逆变)。

协变：

____            　　_____________

|     |             |             |

|  A  |             |  List[ A ]  |

|_____|             |_____________|

   ^                       ^

   |                       |

 _____               _____________

|     |             |             |

|  B  |             |  List[ B ]  |

|_____|             |_____________|

逆变：

____            　　_____________

|     |             |             |

|  A  |             |  List[ B ]  |

|_____|             |_____________|

   ^                       ^

   |                       |

 _____               _____________

|     |             |             |

|  B  |             |  List[ A ]  |

|_____|             |_____________|

在声明Scala的泛型类型时，“+”表示协变，而“-”表示逆变。

C[+T]：如果A是B的子类，那么C[A]是C[B]的子类。

C[-T]：如果A是B的子类，那么C[B]是C[A]的子类。

C[T]：无论A和B是什么关系，C[A]和C[B]没有从属关系。

根据Liskov替换原则，如果A是B的子类，那么能适用于B的所有操作，都适用于A。让我们看看这边Function1的定义，是否满足这样的条件。假设Bird是Animal的子类，那么看看下面两个函数之间是什么关系：

def f1(x: Bird): Animal // instance of Function1[Bird, Animal]

def f2(x: Animal): Bird // instance of Function1[Animal, Bird]

在这里f2的类型是f1的类型的子类。为什么？

我们先看一下参数类型，根据Liskov替换原则，f1能够接受的参数，f2也能接受。在这里f1接受的Bird类型，f2显然可以接受，因为Bird对象可以被当做其父类Animal的对象来使用。

再看返回类型，f1的返回值可以被当做Animal的实例使用，f2的返回值可以被当做Bird的实例使用，当然也可以被当做Animal的实例使用。

所以我们说，函数的参数类型是逆变的，而函数的返回类型是协变的。

那么我们在定义Scala类的时候，是不是可以随便指定泛型类型为协变或者逆变呢？答案是否定的。通过上面的例子可以看出，如果将Function1的参数类型定义为协变，或者返回类型定义为逆变，都会违反Liskov替换原则，因此，Scala规定，协变类型只能作为方法的返回类型，而逆变类型只能作为方法的参数类型。类比函数的行为，结合Liskov替换原则，就能发现这样的规定是非常合理的。

总结：参数是逆变的或者不变的，返回值是协变的或者不变的。

(1) U >: T

这是类型下界的定义，也就是U必须是类型T的父类(或本身，自己也可以认为是自己的父类)。

(2) S <: T

这是类型上界的定义，也就是S必须是类型T的子类（或本身，自己也可以认为是自己的子类)。

/**

  * Scala中List的构造是的类型约束逆变、协变、下界详解

  */

abstract class Big_Data

class Hadoop extends Big_Data

class Spark extends Big_Data

object List_Constructor_Internals {

  def main(args: Array[String]){

    /**

      *   def ::[B >: A] (x: B): List[B] =

      *        new scala.collection.immutable.::(x, this)

      *   泛型[B >: A]可以看出B是A的上界，而::方法的返回值是List[B]，这就说明::方法的返回值是返回上界的类型的值。

      *

      **/

    val hadoop = new Hadoop :: Nil

    //List[hadoop]

    val big_Data = new Spark :: hadoop

    //List[Big_Data]

  }

}

第82讲：Scala中List的ListBuffer是如何实现高效的遍历计算的？

object ListBuffer_Internals {

  def main(args: Array[String]) {

    val list = List(1,2,3,4,5,6,7,8,9)

    println(increment(list))

    println(increment_MoreEffective(list))

    println(increment_MostEffective(list))

  }

  //递归方式处理

  def increment(list: List[Int]): List[Int] = list match {

      case List() => List()

      case head :: tail => head + 1 :: increment(tail)

    }

  //赋值新的list，循环加1

  def increment_MoreEffective(list: List[Int]): List[Int] = {

    var result = List[Int]()

    for(element <- list) result = result ::: List(element +1)

    result

  }

  //做一个新的ListBuffer，遍历添加

  def increment_MostEffective(list: List[Int]): List[Int] = {

    import scala.collection.mutable.ListBuffer

    var buffer = new ListBuffer[Int]

	for(element <- list) buffer += element + 1

	buffer.toList

  }

}

第83讲：Scala中List的实现内幕源码揭秘

ListBuffer(链表缓存)相当于List的一个工具类，List本身继承ListBuffer，拥有ListBuffer中的非私有的方法。对List的操作其实有部分是通过ListBuffer完成的。

exported为ListBuffer中的flag(default：false)，当flag为true时，表明Buffer已进行对toList操作，此时再进行连接等操作时，会有copy链表的动作发生，消耗内存，在实际编程中应谨慎。

  override def take(n: Int): List[A] = {

    val b = new ListBuffer[A]

    var i = 0

    var these = this

    while (!these.isEmpty && i < n) {

      i += 1

      b += these.head

      these = these.tail

    }

    if (these.isEmpty) this

    else b.toList

  }

　注意最后利用b.toList 耗时与长度没有关系。只返回start部分，所有toList是一个高效的方法。

  override def toList: List[A] = {

    exported = !start.isEmpty

    start

  }

List的子类::[B]

final case class ::[B](private var hd: B, private[scala] var tl: List[B]) extends List[B] {}

第84讲：Scala中List和ListBuffer设计实现思考

思考：Scala List内部有很多操作都是ListBuffer做的，因为改变元素，ListBuffer非常高效。

我们看到tl是var类型，但是他属于scala包以及子包，我们看上去可变的，但是由于包的限制我们看不到。

list列表追加元素，如果tl前面没有private[scala]，可以改变除了第一个元素，其他所有元素构建list，

因为我们有同样的tl，追加不同的元素，构造不同的列表，可以共享case class：：，

操作尾部的列表，指向同样的数据结构。

如果完全对外开放的，由于tl元素不可控，对于共享就很麻烦。

ListBuffer有start，last0，把元素内容作为start，从后边追加。

我们既要保证元素的高效性，又要外部是函数式风格，所以用private[scala] var

listbuffer是scala子包的内容，所以可以访问和修改list，而外部是private的，其他的对象不可以修改list

这样就保证了既能可变，又有函数式风格。

第85讲：Scala中For表达式的强大表现力实战　

case class Person(name: String, isMale: Boolean, children: Person*)

object For_Expressive {

  def main(args: Array[String]) {

    val lauren = Person("Lauren", false)

    val rocky = Person("Rocky", true)

    val vivian = Person("Vivian", false, lauren, rocky)

    val persons = List(lauren, rocky, vivian)

    val result = persons filter (person => !person.isMale) flatMap(

      person => {

        println(person.children);

        println("###"+person)

        person.children map { child => println("###"+child);(person.name, child.name) }

      }

      )

    println("******")

    println(result)

    val forResult = for (person <- persons; if !person.isMale; child <- person.children)

      yield (person.name, child.name)

    println(forResult)

  }

}

第86讲：Scala中For表达式的生成器、定义和过滤器　

第87讲：Scala中使用For表达式做查询

case class Book(title : String , authors : List[String])

object For_Query {

  def main(args: Array[String]) {

    val books: List[Book] = List(

    Book("Structure and Interpretation ", List("Abelson , Harold", "Sussman")),

    Book("Principles of Compiler Design",

      List("Aho, Alfred", "Ullman, Jeffrey")),

    Book("Programming in Modula-2", List("Wirth, Niklaus")),

    Book("Introduction to Functional Programming", List("Bird, Richard")),

    Book("The Java Language Specification",

      List("Gosling, James", "Joy, Bill", "Steele, Guy", "Bracha, Gilad")))

//    val result = for(b <- books ; a <- b.authors if a startsWith "Gosling") yield b.title

    val result = for(b <- books if (b.title indexOf "Programming") >= 0 ) yield b.title

    println(result)

  }

}

第88讲：Scala中使用For表达式实现map、flatMap、filter

  def main(args: Array[String]) {}

  def map[A, B](list: List[A], f: A => B): List[B] =

		  for(element <- list) yield f(element)

  def flatMap[A, B](list: List[A], f: A => List[B]): List[B] =

		  for(x <- list; y <- f(x)) yield y

  def filter[A](list: List[A], f: A => Boolean): List[A] =

		  for(elem <- list if f(elem)) yield elem

}

巴特西