标签：
在上两篇讨论中我们介绍了IO Process：Process[I,O]，它的工作原理、函数组合等。很容易想象，一个完整的IO程序是由 数据源＋处理过程+数据终点: Source->Process->Sink所组成的。我们发现：Process[I,O]本身是无法兼顾Source和Sink的功能。而独立附加的Source和Sink又无法有效地与Process[I,O]进行函数组合（functional composition）。
实际上Process[I,O]是一种固定单一输入类型（single input process）：单一是指Process[I,O]只接收I类型输入、固定是指它对外界沟通方式是固定的：只有Halt,Emit,Await三种状态。这种情况导致了Process[I,O]无法成为有效的IO程序组件以及我们必须尝试开发更概括更通用的IO Process。我们来看个新的IO类型结构：Process[F[_],O]
1 trait Process[F[_],O]{}
2 object Process {
3 case class Halt[F[_],O](err: Throwable) extends Process[F,O] //终止，err代表停止原因
4 case class Emit[F[_],O](os: Seq[O], ns: Process[F,O]) extends Process[F,O] //发送os,ns＝nextState
5 case class Await[F[_],A,O]( //等待输入
6 rq: F[A], //产生输入的运算。可能是有副作用的
7 rf: Either[Throwable,A] => Process[F,O], //对运算F[A]返回值的处理函数
8 fb: Process[F,O], //fallback 消耗完输入后转入fb状态
9 fl: Process[F,O] //finalizer 清理现场，释放资源
10 ) extends Process[F,O]
11 }
这个新的类型代表能产生一连串的O类型元素。我们可以把它当作List[O]来编写组件。重要的是我们现在可以通过运算F[A]来与外界联系，如：读取文件或数据库内容。运算F[A]返回的数据经过rf函数的处理后转入新的状态：正常完成数据输入时运行fb进入新状态、如果输入数据过程中产生异常则运行fl清理战场，释放资源。我们并且改善了Halt，使之返回终止情况信息。这样一来Process从整体上更透明，更安全。更重要的是Process可以拓展了（extensible）。
作为一个安全可用的IO类型，我们先设计一些Process[F,O]的基本组件：
1 case object End extends Exception //正常终止信号
2 case object Kill extends Exception //手工强行终止信号
3 //运算p，如果出现异常返回Halt使整个过程可控
4 def Try[F[_],O](p: Process[F,O]): Process[F,O] =
5 try p
6 catch { case e: Throwable => Halt[F,O](e) } //返回异常信息
我们在运算Process时用Try来捕捉异常信息并返回到可控状态Halt(err)，因为我们可以从返回状态了解终止情况 － End:正常终止，Kill：强行终止及Throwable：发生异常终止。
现在我们再设计一些方便调用的帮助函数（helper functions）：
1 //如果下一个状态还是emit ,那么就一次性合并发出，效率高些
2 // emitAll(os1, Emit(os2,ns)) == Emit(os1 ++ os2, ns)
3 def emitAll[F[_],O](outseq: Seq[O], nxtState: Process[F,O] = Halt[F,O](End)): Process[F,O] =
4 nxtState match {
5 case Emit(os,ns) => Emit(outseq ++ os, ns) //下一个状态是Emit, 合并输出
6 case _ => Emit(outseq,nxtState) //其它情况照旧
7 }
8 //遇到单O值时方便使用
9 def emit[F[_],O](o: O, nxs: Process[F,O] = Halt[F,O](End)): Process[F,O] = emitAll[F,O](Seq(o),nxs)
10 //Await类的应用方便函数
11 def await[F[_],A,O](req: F[A])(rcfn: Either[Throwable,A] => Process[F,O])(
12 fallback: Process[F,O] = Halt[F,O](End),
13 finalizer: Process[F,O] = Halt[F,O](End)) = Await(req,rcfn,fallback,finalizer)
还有更多的帮助函数：
1 //在进入终止状态时运行f
2 def onHalt(f: Throwable => Process[F,O]): Process[F,O] = this match {
3 case Halt(e) => Try { f(e) } //当前状态是终止，运算f
4 case Emit(os,ns) => emitAll(os,ns.onHalt(f)) //还未到终止，该干什么还干什么。移到下一状态再看
5 case Await(rq,rf,fb,fl) => await(rq)(rf andThen (_ onHalt(f)))(fb,fl) //还未到终止，移到下一状态再看
6 }
7 //维持运行直至终止。但不输出任何数据
8 def drain[O2]: Process[F,O2] = this match {
9 case Halt(e) => Halt(e)
10 case Emit(os,ns) => ns.drain
11 case Await(rq,rf,fb,fl) => Await(rq,rf andThen (_ drain))
12 }
13 //正在执行清理环境，释放资源中，维持运行，不得人工终止
14 def asFinalizer: Process[F,O] = this match {
15 case Halt(e) => Halt(e)
16 case Emit(os,ns) => Emit(os, ns.asFinalizer)
17 case Await(rq,rf,fb,fl) => await(rq){
18 case Left(Kill) => this.asFinalizer //如果人工终止，强行继续运行
19 case x => rf(x)
20 }(fb,fl)
21 }
22 //在终止时运算p，即使是出现了异常情况
23 def onComplete(p: => Process[F,O]) =
24 this.onHalt {
25 case End => p.asFinalizer //正常终止
26 case err => p.asFinalizer ++ Halt(err) //出现了异常，先运算p，再把异常信息累积起来
27 }
在上面我们还调用了++函数，目的是把两个process连接起来。如：p.asFinalizer ++ Halt(err)。下面我们就把这个函数实现了：
1 //连接两个process, this 终止后跟着运算 p
2 def ++(p: Process[F,O]): Process[F,O] = this match {
3 case Halt(e) => Try { p } //终止了，现在运算 p
4 case Emit(os,ns) => emitAll(os, ns ++ p) //还未终止，延后连接
5 case Await(rq,rf,fb,fl) =>Await(rq, rf andThen (_ ++ p), fb ++ p, fl ++ p) //还未终止，延后连接
6 }
7 //++的另一种实现方式。我们直接考虑终止状态
8 def append(p: Process[F,O]): Process[F,O] =
9 onHalt {
10 case End => Try { p } //我们只会在正常终止的情况下继续运算p
11 case err => Halt(err)
12 }
还有我们熟悉的map,flatmap,repeat：
1 def map[O2](f: O => O2): Process[F,O2] = this match {
2 case Halt(e) => Halt(e)
3 case Emit(os,ns) => Try { if (os.isEmpty) ns map f
4 else emit(f(os.head), emitAll(os.tail, ns) map f) }
5 case Await(rq,rf,fb,fl) => Await(rq, rf andThen (_ map f), fb map f, fl map f)
6 }
7 def flatMap[O2](f: O => Process[F,O2]): Process[F,O2] = this match {
8 case Halt(e) => Halt(e)
9 case Emit(os,ns) => Try { if (os.isEmpty) ns flatMap f
10 else f(os.head) ++ emitAll(os.tail, ns).flatMap(f) }
11 case Await(rq,rf,fb,fl) => Await(rq,rf andThen(_ flatMap f), fb flatMap f, fl flatMap f)
12 }
13 def repeat: Process[F,O] = this ++ this.repeat
注意：我们只针对O值的转变。顺便把保证运算安全的几个帮助函数列出来（上面我们已经尝试使用了Try）：
1 //运算p，如果出现异常返回Halt使整个过程可控
2 def Try[F[_],O](p: Process[F,O]): Process[F,O] =
3 try p
4 catch { case e: Throwable => Halt[F,O](e) } //返回异常信息
5 //运算p，出现任何异常都先运算fl然后终止
6 def TryOr[F[_],O](p: Process[F,O], fl: Process[F,O]): Process[F,O] =
7 try p
8 catch {case e: Throwable => fl ++ Halt[F,O](e) }
9 //运算p，如果正常终止，运行fb, 如果异常终止则运算fl
10 def TryAwait[F[_],O](p: Process[F,O])(fb: Process[F,O], fl: Process[F,O]): Process[F,O] =
11 try p
12 catch {
13 case End => fb //正常终止
14 case e: Throwable => fl ++ Halt(e)
15 }
既然我们说Process[F[_],O]是个更概括的IO类型，那么Process[I,O]应该是Process[F[_],O]的一个特殊案例。现在最重要的是我们需要塑造这个F把它限制在只能接受I类型输入：
1 case class Is[I]() {
2 sealed trait f[X] {}
3 case object get extends f[I] //f[X]只有一个实例，就是f[I]，所以 X就只能是I
4 }
5 def Get[I] = Is[I]().get
6
7 type Process1[I,O] = Process[Is[I]#f,O]
8 def halt1[I,O]: Process1[I,O] = Halt[Is[I]#f,O](End)
9 def emit1[I,O](o: O, ns: Process1[I,O] = halt1[I,O]): Process1[I,O] = emit(o,ns)
10 def emitAll1[I,O](os: Seq[O], ns: Process1[I,O] = halt1[I,O]): Process1[I,O] = emitAll(os,ns)
11 def await1[I,O](rf: I => Process1[I,O],fb: Process1[I,O] = halt1[I,O],fl: Process1[I,O] = halt1[I,O]) =
12 await(Get[I]){(ei: Either[Throwable,I]) => ei match { //F[A]>>>Get[I], 只接收I类型输入
13 case Left(End) => fb
14 case Left(err) => halt1[I,O]
15 case Right(i) => Try { rf(i) }
16 }}(fb,fl)
我们同样可以推导出之前针对Process[I,O]的那些组件：
1 def lift[I,O](f: I => O): Process1[I,O] =
2 await1[I,O](i => emit(f(i))) repeat
3 def filter[I](f: I => Boolean): Process1[I,I] =
4 await1[I,I](i => if (f(i)) emit(i) else halt1)
5 def take[I](n: Int): Process1[I,I] =
6 if (n > 0) await1[I,I](i => emit(i, take(n-1)))
7 else halt1
8 def takeWhile[I](f: I => Boolean): Process1[I,I] =
9 await1[I,I](i => if (f(i)) emit(i, takeWhile(f)) else halt1)
10 //循环入什么就出什么
11 def id[I]: Process1[I,I] = await1[I,I](i => emit(i,id))
12 def passUnchanged[I]: Process1[I,I] = lift[I,I](identity)
13 def drop[I](n: Int): Process1[I,I] =
14 if (n > 0) await1[I,I](i => drop[I](n-1))
15 else passUnchanged
16 def dropWhile[I](f: I => Boolean): Process1[I,I] =
17 await1[I,I](i => if (f(i)) id else emit(i, dropWhile(f)))
注意：组件实现中的写法和之前Process[I,O]的一样，只不过这次我们的返回类型是Process1[I,O]。
现在我们来到了IO Process对接最重要的组件导管（pipe |>)组件了:
1 //强行终止process
2 @annotation.tailrec
3 final def kill[O2]: Process[F,O2] = this match {
4 case Halt(e) => Halt(e) //已经处于终止状态
5 case Emit(os,ns) => ns.kill //发送中，忽略输出kill下个状态
6 case Await(rq,rf,fb,fl) => rf(Left(Kill)).drain.onHalt { //如果正在等待输入，那么就给它输入Kill信号然后过滤余下的输入
7 case Kill => Halt(End) //在终止前如果收到Kill信号就转入正常终止状态
8 case err => Halt(err) //如果是异常终止
9 }
10 }
11
12 //对接两个process. 上一个emit发送后下面的立即await接受
13 def |>[O2](p2: Process1[O,O2]): Process[F,O2] = {
14 @annotation.tailrec
15 //把Seq[O]一个O一个O喂入p2
16 def feed(os: Seq[O], ns: Process[F,O], rf: Either[Throwable,O] => Process1[O,O2],
17 fb: Process1[O,O2] = halt1[O,O2], fl: Process1[O,O2] = halt1[O,O2]): Process[F,O2] =
18 if (os.isEmpty) ns |> await(Get[O])(rf)(fb,fl)
19 else rf(Right(os.head)) match { //喂进去一个元素后再观察下面的状态
20 case Await(rq1,rf1,fb1,fl1) => feed(os.tail,ns,rf,fb,fl)
21 case p => Emit(os.tail,ns) |> p
22 }
23 p2 match {
24 case Halt(e) => this.kill.onHalt {e2 => Halt(e) ++ Halt(e2)} //如果下游管道读者了。杀掉上游并过滤所有输出
25 case Emit(os,ns) => emitAll(os, this |> ns)
26 case Await(rq,rf,fb,fl) => this match {
27 case Halt(e) => Halt(e) |> p2
28 case Await(rq0,rf0,fb0,fl0) => await(rq0)(rf0 andThen (_ |> p2))(fb0 |> p2, fl0 |> p2)
29 case Emit(os,ns) => Try {feed(os,ns,rf,fb,fl)} //上游发送下游接受状态。正是对接状态
30 }
31 }
32 }
我们只需要考虑下游p等待输入await同时上游this正在发送emit这一个状态实现对接。其它状态则等它们自己调整对口后再对接。
有了这个|>后我们可以把那些Process1组件对接到Process[F,O]上：
1 def filter(f: O => Boolean): Process[F,O] = this |> Process.filter(f)
2 def take(n: Int): Process[F,O] = this |> Process.take(n)
3 def takeWhile(f: O => Boolean): Process[F,O] = this |> Process.takeWhile(f)
4 def drop(n: Int): Process[F,O] = this |> Process.drop(n)
5 def dropWhile(f: O => Boolean): Process[F,O] = this |> Process.dropWhile(f)
以上组件都是过滤输出O的。
我们还可以通过Process[F,O]实现两头输入：就像字母T，输入从上面左右两头进入。
首先，我们还是要重新塑造一下F[A]，使它只容许左边I类，右边I2类输入：
1 case class T[I,I2]() {
2 sealed trait f[X] {def get: Either[I => X, I2 => X]}
3 val L = new f[I] { def get = Left(identity) }
4 val R = new f[I2] { def get = Right(identity) }
5 }
6 def L[I,I2] = T[I,I2]().L
7 def R[I,I2] = T[I,I2]().R
8 type Tee[I,I2,O] = Process[T[I,I2]#f,O]
Tee类型就是一个两头输入的IO Process类型，左边只可以输入I，右边只可以输入I2。
我们同样需要重新定义那些构建Tee的基本组件：
1 def haltT[I,I2,O] = Halt[T[I,I2]#f,O](End)
2 def emitT[I,I2,O](o: O, ns: Tee[I,I2,O] = haltT) = emit[T[I,I2]#f,O](o,ns)
3 //左边输入
4 def awaitL[I,I2,O](rf: I => Tee[I,I2,O], fb: Tee[I,I2,O] = haltT, fl: Tee[I,I2,O] = haltT): Tee[I,I2,O] =
5 await[T[I,I2]#f,I,O](L){ //F[A] >>> L >>> 只容许I类输入
6 case Left(End) => fb
7 case Left(err) => fl ++ Halt(err)
8 case Right(i) => Try { rf(i) }
9 }(fb,fl)
10 //右边输入
11 def awaitR[I,I2,O](rf: I2 => Tee[I,I2,O], fb: Tee[I,I2,O] = haltT, fl: Tee[I,I2,O] = haltT): Tee[I,I2,O] =
12 await[T[I,I2]#f,I2,O](R) { //F[A] >>> R >>> 只容许I2类输入
13 case Left(End) => fb
14 case Left(err) => fl ++ Halt(err)
15 case Right(i2) => Try { rf(i2) }
16 }(fb,fl)
zip是两边输入穿插动作。我们可以用这个Tee类型来实现zip：
1 def zipWith[I,I2,O](f: (I,I2) => O): Tee[I,I2,O] =
2 awaitL[I,I2,O](i => awaitR[I,I2,O](i2 => emitT(f(i,i2)))) repeat
3 //两个输入交叉输出一个对值pair
4 def zip[I,I2]: Tee[I,I2,(I,I2)] = zipWith[I,I2,(I,I2)]((_,_))
5 //轮换从左右两边输入
6 def interleave[I]: Tee[I,I,I] = awaitL[I,I,I](i => awaitR(i2 => emitT(i) ++ emitT(i2))) repeat
7 //不理会右边输入，只取左边
8 def passL[I,I2]: Tee[I,I2,I] = awaitL(emitT(_,passL))
9 //不理会左边输入，只取右边
10 def passR[I,I2]: Tee[I,I2,I2] = awaitR(emitT(_,passR))
11 //完成左边输入后运算fb
12 def awaitLOr[I,I2,O](fb: Tee[I,I2,O])(rf: I => Tee[I,I2,O]): Tee[I,I2,O] =
13 awaitL(rf,fb)
14 //完成右边输入后运算fb
15 def awaitROr[I,I2,O](fb: Tee[I,I2,O])(rf: I2 => Tee[I,I2,O]): Tee[I,I2,O] =
16 awaitR(rf,fb)
17 //如果两边输入长度不同就在左边补填padI或右边补填padI2
18 def zipWithAll[I,I2,O](padI: I, padI2: I2)(f: (I,I2) => O): Tee[I,I2,O] = {
19 val fbL = passL[I,I2] map {f(_, padI2)} //假如先完成左边输入，运算fbL，返回补填padI2的Tee类型
20 val fbR = passR[I,I2] map {f(padI, _)} //假如先完成右边输入，运算fbR，返回补填padI的Tee类型
21 awaitLOr(fbL)(i =>
22 awaitROr(fbR)(i2 => emitT(f(i,i2)))) repeat
23 }
下面是Tee的一个通用概括的帮助函数，它是两头输入的代表形式：
1 //接入左右两边输入
2 def tee[O2,O3](p2: Process[F,O2])(t: Tee[O,O2,O3]): Process[F,O3] = {
3 @annotation.tailrec
4 def feedL(os: Seq[O], ns: Process[F,O], p: Process[F,O2], t: Tee[O,O2,O3], //从左边喂入
5 rf: Either[Throwable,O] => Tee[O,O2,O3]): Process[F,O3] = //输入类型O
6 if (os.isEmpty) (ns tee p)(t) //喂完所有输入元素
7 else rf(Right(os.head)) match { //喂进一个O后检查状态
8 case Await(rq0,rf0,fb0,fl0) => feedL(os.tail,ns,p,t,rf0) //下一个状态还是await的话继续喂os.tail
9 case t0 => (Emit(os.tail,ns) tee p)(t0) //tee转入新状态
10 }
11 @annotation.tailrec
12 def feedR(os: Seq[O2], ns: Process[F,O2], p: Process[F,O], t: Tee[O,O2,O3], //从右边喂入
13 rf: Either[Throwable,O2] => Tee[O,O2,O3]): Process[F,O3] = //输入类型O2
14 if (os.isEmpty) (p tee ns)(t) //喂完所有输入元素
15 else rf(Right(os.head)) match { //喂进一个O2后检查状态
16 case Await(rq0,rf0,fb0,fl0) => feedR(os.tail,ns,p,t,rf0) //下一个状态还是await的话继续喂os.tail
17 case t0 => (p tee Emit(os.tail,ns))(t0) //tee转入新状态
18 }
19 t match {
20 case Halt(e) => this.kill onComplete p2.kill onComplete Halt(e) //T管道停止就杀掉左右输入process
21 case Emit(os,ns) => emitAll(os, (this tee p2)(ns)) //T正在发送，等发送完再tee
22 case Await(side,rf,fb,fl) => side.get match { //T管道正在等待输入，先确定是左右那边输入
23 case Left(isO) => this match { //左边输入，类型O
24 case Halt(e) => p2.kill onComplete Halt(e) //左边输入终止，杀掉右边输入保持两边同步
25 case Await(rqL,rfL,fbL,flL) => await(rqL)(rfL andThen (this2 => this2.tee(p2)(t)))() //左边也在等输入
26 case Emit(os,ns) => Try {feedL(os,ns,p2,t,rf)} //左边在发送，用feedL逐个O喂入
27 }
28 case Right(isO2) => p2 match {
29 case Halt(e) => this.kill onComplete Halt(e) //右边输入终止，杀掉左边输入保持两边同步
30 case Await(rqR,rfR,fbR,flR) => await(rqR)(rfR andThen (p => this.tee(p)(t)))()
31 case Emit(os,ns) => Try {feedR(os,ns,this,t,rf)} //右边在发送，用feedL逐个O喂入
32 }
33
34 }
35 }
36 }
现在zipWith可以这样写了：
1 //用tee来实现zipWith
2 def zipWith[O2,O3](p2: Process[F,O2])(f: (O,O2) => O3): Process[F,O3] =
3 (this tee p2)(Process.zipWith(f))
一个完整的IO程序必须包括对数据源Source和数据终点Sink的操作，那么Process[F,O]可不可以代表数据源（Source）类型呢？我们来看看Process[F,O]的读取Await:
1 case class Await[F[_],A,O]( //等待输入
2 rq: F[A], //产生输入的运算。可能是有副作用的
3 rf: Either[Throwable,A] => Process[F,O], //对运算F[A]返回值的处理函数
4 fb: Process[F,O] = Halt[F,O](End), //fallback 消耗完输入后转入fb状态
5 fl: Process[F,O] = Halt[F,O](End) //finalizer 清理现场，放开所有使用中的资源
6 ) extends Process[F,O]
如果我们把F[A]换成IO[A]：
1 case class Await[IO[_],A,O]( //等待输入
2 rq: IO[A], //产生输入的运算。可能是有副作用的
3 rf: Either[Throwable,A] => Process[IO,O], //对运算F[A]返回值的处理函数
4 fb: Process[IO,O] = Halt[IO,O](End), //fallback 消耗完输入后转入fb状态
5 fl: Process[IO,O] = Halt[IO,O](End) //finalizer 清理现场，放开所有使用中的资源
6 ) extends Process[IO,O]
实际上Process[I,O]就是Process[F,O]的一个案例。我们只要运算IO就可以从数据源读取数据了（run IO 返回结果）。我们先看看IO类型，我们前面曾经讨论过这个类型：
1 //简化的IO类，只能用做示范
2 trait IO[A] { self =>
3 def run: A
4 def map[B](f: A => B): IO[B] =
5 new IO[B] { def run = f(self.run) }
6 def flatMap[B](f: A => IO[B]): IO[B] =
7 new IO[B] { def run = f(self.run).run }
8 }
9 object IO {
10 def unit[A](a: => A): IO[A] = new IO[A] { def run = a }
11 def flatMap[A,B](fa: IO[A])(f: A => IO[B]) = fa flatMap f
12 def apply[A](a: => A): IO[A] = unit(a) // syntax for IO { .. }
13 }
现在我们可以写个从数据源Source读取数据的程序了：
1 //从数据源src把内容读入内存
2 def collect[O](src: Process[IO,O]): IndexedSeq[O] = { //从src移到IndexedSeq
3 def go(curState: Process[IO,O], accSeq: IndexedSeq[O]): IndexedSeq[O] =
4 curState match {
5 case Halt(e) => accSeq //完成，返回累积数据
6 case Emit(os,ns) => go(ns, accSeq ++ os) //当前处于发送数据状态，把发送数据累积到accSeq
7 case Await(rq,rf,fb,fl) => go(Try { rf(Right(rq.run)) }, accSeq) //正在读取数据中
8 //如果读取发生异常Try函数会返回终止Halt(err)
9 }
10 go(src,IndexedSeq())
11 }
注意以上只是示范了Process[IO,O]作为Process[F,O]的一个特殊实例是可以实现从Source读取数据的。我们将在下个章节讨论具体的可行方案。
我们下面再看看数据终点Sink与Process[F,O]的关系。我们希望通过Process[F,O]类型实现输出功能，也就是把Source的输入发送给Sink。我们用以下方式代表Sink：
type Sink[F[_],O] = Process[F, O => F[Unit]]
Source和Sink类型的实际应用介绍将在下期“IO过程实际应用-IO Process in action”中具体讨论。
泛函编程（37）－泛函Stream IO：通用的IO处理过程－Free Process
标签：
原文地址：http://www.cnblogs.com/tiger-xc/p/4733939.html
