00-流式编程思想1

背景

• 事件数据的产生随着时间的推移逐渐下降
• 人们对某件事的理解往往来自基于有效论据的结论。要获得这样的结论，最有效的方法就是沿着事件发生的轨迹进行分析
• 传统开发建立在有限的数据集基础上；那么随着数据量的增量，开发成本将会飙升
• 通信行业的发展，促生了很多新生领域，如电商中推荐、物联网、机器学习等，新生的领域对数据的要求天然就是数据低延迟传输

目标

• 低延迟

• 高吞吐

• 可容错

  系统崩溃之后，重新启动，并产出准确结果

• 可基于事件发生时间处理

  按照正确的顺序跟踪事件，流处理的结果与事件实际发生的顺序一致

流式开发

思考

谈到流，大家很定会想到IO流；那么我们就先看下IO流；

IO流：一连串流动的字符，以先进先出方式发送信息的通道

特点：具有方向(输入流/输出流)；具有顺序(字符先进先出)；

随着java8的出现，引入了lambda带来的函数式编程；对多个元素进行操作，可以预先拼接一个“模型”步骤方案，然后再按照方案去执行它。

如：list.stream.filter.map.collect();

函数式编程中“Stream流”其实是一个集合元素的函数模型(处理的步骤方法)，它并不是集合，也不是数据结构，其本身并不存储元素。

特点：构建执行步骤，各个算法与算法之间是无状态的

在生活中我们也会经常遇到流，网页上的点击流、汽车发送的GPS信号、移动通信基站、可穿戴设备的信号等；再具体些，如水流、公路上车流、滚动电梯、直行电梯、生产车间的工作流等等；

流数据源头广泛，但是流数据更真实的反映了我们的生活方式。

生活场景流式

工厂流水线.png

工厂的流水线是一个比较典型的流式场景；如图传送带就是数据流，传送带旁的每个工位，就相当于流式处理中的filter、map等函数

Stream流式编程

Stram流式编程又叫函数式编程，是基于数据的一种声明式编程范式；

函数式编程的核心：

• 输入：不可变的值
• 函数：一种映射关系，将一个值映射成另外一个值
• 输出：映射后的数据

函数式编程的特征：

• 不可变：输入数据是不能改变的，返回的是全新的数据
• 无状态：函数不维护任何状态

函数式编程的优势：

• 线程安全
• 重构代码无伤害
• 函数执行没有顺序上的问题

函数式编程思维：

• 函数式编程是声明式编程，因此关注的是做什么而不是怎么做

函数式编程小例(java8实现)：

背景：要筛选出学生中，性别为男、年龄在10岁以上、身高大于1.3m的学生名字

public class Student {

    //姓名
    private String name;
    //年龄
    private int age;
    //性别
    private String sex;
    //身高
    private double height;

    public Student(String name, int age, String sex, double height) {
        this.name = name;
        this.age = age;
        this.sex = sex;
        this.height = height;
    }
    //忽略get/set...
 }

public static void main(String[] args) {

    List<Student> studentList = new ArrayList<>();
    studentList.add(new Student("小明", 11, "男", 15.4));
    studentList.add(new Student("小红", 10, "女", 13.0));
    studentList.add(new Student("小张", 9, "男", 13.5));
    studentList.add(new Student("小王", 11, "男", 12.9));
    studentList.add(new Student("小赵", 12, "男", 15.0));

    List<String> names = studentList.stream()
            .filter(student -> student.getSex().equals("男"))
            .filter(student -> student.getAge() > 10)
            .filter(student -> student.getHeight() > 13.0)
            .sorted(Comparator.comparing(student -> student.getHeight()))
            .map(student -> student.getName())
            .collect(Collectors.toList());

    for (String name : names) {
        System.out.println(name);
    }

输出：

小赵
小明

例子比较简单，我们主要关注stream编程方式

概述图：

Lambda1.png

详细图：

Lambda2.png

撇开java8函数式流实现，其实我们用集合for循环也是能实现的，那么流式操作和集合操作有什么区别呢

流和集合的区别

• 流是基于数据的，关注的是一条条数据是什么样的处理；集合是基于存储，关注的是整体
• 流遍历一次后，返回的是一个新流，之前遍历的流已经不存在了，也就是说这个流已经被消费了，和迭代器一样，不能回头消费；集合循环完之后，集合还是存在的，可以继续重头循环
• 从哲学的角度来看，流可以看做时间中分布的一组值。集合则是空间中(计算机内存)分布的一组值

函数式编程用到技术

• 头等函数

• 尾递归优化

• pipeline(管道)

  将函数实例为一个个action，然后action放到一个数组中，再把数据传给这个action list,数据就像一个pipeline一样顺序被这些函数操作，最终得到我们希望的结果

• 递归

• 柯里化

• 高阶函数

编程范式

编程范式一般可以分为三类：命令式、声明式、元编程

编程范式.png

• 过程式编程：关注的是怎么做；核心在于模块化，实现过程使用了状态，依赖了外部变量，可读性差，维护成本高

• 面向对象编程：关注的是抽象，提供了清晰的对象边界。封装、继承、多态的特性，降低了代码的耦合度，提升了系统的可维护性

  程序是一些列相互作用的对象

  抽象：怎么为一个模糊不清的问题找到一个恰当的描述就是抽象，抽象也是我们简化复杂问题的一种方式

  在面向对象编程里，计算程序会被设计成彼此相关的对象。对象则是类的实例，它是程序的基本单元。

• 函数式编程：关注的是做什么；传入数据不可变性，当前函数也不依赖函数外的数据，使得函数具有自描述性，可读性高

  程序是一系列无状态的函数组合序列

  声明式编程不用告诉计算机问题领域，从而避免随之而来的副作用，而命令式编程则需要告诉计算机每一步该怎么做

对比：

面向对象	关注抽象和状态；描述对象基本特征	易于抽象和理解<br />代码容易重用<br />代码容易维护<br />具有可扩展性，便于阅读	并发不安全<br />代码易膨胀<br />性能较低
范式	特征	优点	缺点
过程式	关注怎么做；易于理解	性能高	依赖外部变量；<br />可读性低
函数式	关注做什么；不依赖当前函数外的数据	描述问题，易于理解；<br />无副作用(并发安全)	占用资源，性能相对较差

传统开发与流失开发区别

传统的开发会将所有数据存放在数据中心中(如一张表)，然后进行加工、分析得出结果(如sql)；一句话就是统一收集数据，然后进行分析。如果需要对数据中心中每月/每天数据进行分析，还是没有问题；如果需要对数据中心中每小时/每分钟/每秒进行分析，那么就有可能无法满足。

传统方式.png

既然对数据中心中的每秒数据不好处理，是否可以转变一下思想，在入数据中心中的时候，就把数据分析好放入到数据中心中呢？

流式方式.png

所以流式计算的上游，是数据流，下游是计算中心或者直接对接业务；

传统开发就是批式处理思想，那么批处理和流处理的区别呢

批处理	流处理
数据有限	数据无限
数据静态	数据动态
具有周期性	无周期性
需要时间响应	实时响应

那么流处理是不是一定优于批量处理呢，答案是否定的；如家庭用水为例，批处理相当于桶装水，流处理相当于接入水管；饮用水一般使用桶装水，生活用水一般使用自来水(接入水管)；该例子主要是以使用量来选择使用场景

数据流

时间分布和数量上无解的一些列动态数据集合

流式开发特点

• 时效性：实时(数据的价值随着时间的流逝而降低，因此必须实时计算给出实时响应)
• 数据特征：动态、没有边界
• 场景：实时场景；如推荐、监控等

概念相关

• 数据流：连续数据组成的流
• 流数据：数据流中的数据

有向无环图(DAG)

概念

有向无环图，同一个方向，但不构成闭环

DAG特点

• 严密的拓扑性质

  具有很强的流程表达能力；按照拓扑的顺序对零散的组建进行组织执行，就可以得到正确的结果。

  计算领域，基于DAG的计算模型应用还是比较广泛的，如spark/storm/tensorflow

• 去中心化

  每个组件拥有各自的状态；组件之间状态互不依赖

• 具有方向

  整体具有方向；一个组件的输出可以是下个组件的输入

DAG优势

• 任务模块化
• 易于调整
• 结构清晰