我对传感器的理解和js代码是否正确

Question

我读过的关于传感器的网络文章

Js

• 传感器：JavaScript 中的高效数据处理管道 @ Eric Elliott -Medium
• 了解 JavaScript @ Roman Liutikov-Medium 中的转换器

半点都难以理解……

• 什么是传感器？
• 更简单的 JavaScript 转换器
• 如何使用传感器更高效地进行数据转换

Clojure

• Rich Hickey-cognitect 即将推出传感器
• Transducers-Clojure.org

我阅读了大约 2 页的 Clojure 官方教程，并了解了基本语法。我参考了内置函数参考来理解传感器示例代码。

我对以上两篇文章的理解大概是75%...

我的问题

想知道下面的理解/js代码是对还是错。请帮帮我。

关于传感器

1. compose() 返回的值是一个传感器。
2. Transducer 通过作为参数传递给transduce() 函数来执行，此外，(2)Transducer 通过将数组直接传递给transducer() 来执行。

3. 在（2）的过程中，没有生成中间值，而是执行如下链接的高效过程。

   • Understanding Transducers in JavaScript @ Roman Liutikov -Medium

我的代码

"use strict";

const map = fn => arr => arr.map(fn),
filter = fn => arr => arr.filter(fn),
addReducer = arr => arr.reduce((acc, num) => acc + num, 0),
add1 = n => n + 1,
even = n => n % 2 === 0,

compose = (...fns) => initVal => fns.reduce((acc, fn) => fn(acc), initVal),
transduce = (xform, reducer, arr ) => reducer( xform(arr) );



const arr = [1,2,3],
transducer = compose(  /* called transducer or xform */
   map( add1 ), // 2,3,4
   filter( even ), // 2,4
);

console.log( transducer(arr) ) // 2,4
console.log( transduce(transducer, addReducer, arr) ) // 6

Answer 1

转换器利用函数组合从 arity 中抽象出来的事实，即可以返回函数而不是“正常值”：

const comp = f => g => x => f(g(x));

const add = x => y => x + y;

const sqr = x => x * x;

const add9 = comp(add) (sqr) (3); // returns a lambda

console.log(
  add9(6)); // 15

现在换能器本身很无聊：

reduce => acc => x => /* body is specific to the transducer at hand */

它只是一个闭包，它需要一个 reducer（即一个组合了它的两个参数的二进制函数），然后可以直接输入你最喜欢的 reducer 函数。

让我们来看看地图转换器：

const mapper = f => (reduce => acc => x =>
  reduce(acc) (f(x)));

多余的括号只是说明了传感器的闭包。在这种情况下，它关闭了我们的转换函数f。接下来我们将应用它：

// map transducer

const mapper = f => reduce => acc => x =>
  reduce(acc) (f(x));

// my favorite fold (reducing function)

const arrFold = alg => zero => xs => {
  let acc = zero;

  for (let i = 0; i < xs.length; i++)
    acc = alg(acc) (xs[i], i);

  return acc;
};

// reducer

const add = x => y => x + y;

// transformer

const sqr = x => x * x;

// MAIN

const main = arrFold(mapper(sqr) (add)) (0);

console.log(
  main([1,2,3])); // 14

嗯，没那么令人印象深刻，对吧？换能器的真正威力源于其与功能组合的结合：

// map transducer

const mapper = f => reduce => acc => x =>
  reduce(acc) (f(x));

// filter transducer

const filterer = p => reduce => acc => x =>
  p(x) ? reduce(acc) (x) : acc;
  
// my favorite fold (reducing function)

const arrFold = alg => zero => xs => {
  let acc = zero;

  for (let i = 0; i < xs.length; i++)
    acc = alg(acc) (xs[i], i);

  return acc;
};

// helpers

const add = x => y => x + y; // reducer
const sqr = x => x * x; // transformer
const isOdd = x => (x & 1) === 1; // predicate
const comp = f => g => x => f(g(x));

// MAIN

const main = arrFold(comp(filterer(isOdd)) (mapper(sqr)) (add)) (0);

console.log(
  main([1,2,3])); // 10

虽然我们涉及两个转换器，但只有一次遍历 Array。这个属性称为循环融合。由于传感器组合返回另一个函数，因此评估顺序是相反的，即从左到右，而函数组合通常从右到左。

可重用性是另一个优势。您只需定义一次传感器，并且可以一次性使用所有可折叠数据类型。

同样值得注意的是，transduce 只是一个便利功能，对于理解这个概念并不重要。

关于传感器的内容就差不多了。

Answer 2

您的代码与传感器无关。您对filter 和m̀ap 的定义表明它使用了普通的JS filter 和map

const map = fn => arr => arr.map (fn),
const filter = fn => arr => arr.filter (fn),

const combo = compose(map(add1), filter(even));
combo(arr); ==> [2, 4]

发生的情况是，初始数组通过add1 传递给map，这将生成数组[2, 3, 4]，然后通过even 传递给filter，并创建一个新数组[2, 4]。

换能器也是如此：

const arr = [1, 2, 3];

const add1 = n => n + 1;
const even = n => n% 2 === 0;

const compose = (...fns) => {
  const [firstFunc, ...restFuncs] = fns.reverse();
  return (...args) => restFuncs.reduce((acc, fn) => fn(acc), firstFunc(...args));
};

const mapping = 
  fn => join => (acc, e) => join(acc, fn(e));

const filtering = 
  isIncluded => join => (acc, e) => isIncluded(e) ? join(acc, e) : acc;

const transducer = compose(mapping(add1), filtering(even));
const arrayJoin = (acc, e) => ([...acc, e]);
const result = arr.reduce(transducer(arrayJoin), []);
console.log(result);

所以不同之处在于，当您将 join 传递给传感器时，就会发生这种情况：

mapping(add1)(filtering(even)(arrayAdd))

filtering 是添加到某些集合的唯一步骤。当mapping 调用join 时直接调用filtering。这就是为什么签名(acc, e) 在工作部分和join 函数上是相同的。当代码运行时，添加和过滤同时完成，最终只有一个生成的数组，没有中间值。