Scala编程之惰性函数-创新互联

一、为什么需要惰性函数

惰性计算(尽可能延迟表达式求值)是许多函数式编程语言的特性。惰性集合在需要时提供其元素,无需预先计算它们,这带来了一些好处。首先,您可以将耗时的计算推迟到绝对需要的时候。其次,您可以创造无限个集合,只要它们继续收到请求,就会继续提供元素。函数的惰性使用让您能够得到更高效的代码。Java并没有为惰性提供原生支持, Scala提供了,使用很方便。

成都创新互联公司专注于桓仁企业网站建设,响应式网站,成都做商城网站。桓仁网站建设公司,为桓仁等地区提供建站服务。全流程定制设计，专业设计，全程项目跟踪，成都创新互联公司专业和态度为您提供的服务

二、java实现懒加载

懒汉式

public class LazyDemo {

    private String property;  //属性也可能是一个数据库连接,文件等资源
    public String getProperty(){
        if (property==null){
            property=initProperty();  //如果没有初始化过,那么进行初始化
        }
            return property;
    }

    private String initProperty() {
        return "property";
    }
}

三、惰性函数介绍

当函数被声明为lazy的时候，函数并不会立即执行，而是当我们首次对这个函数进行调用了，我们才会执行这个函数。所以我们把这个叫做惰性函数(在java中叫做懒加载)。

四、案例

代码一：

object LazyDemo {

  def main(args: Array[String]): Unit = {

  val res= sum(10,20) //没有lazy的修饰，这个函数就是eager的
    println("================")
   // println("res:"+res)
  }

  def sum(a:Int,b:Int):Int={
    println("sum执行了")
    a+b
  }
}

输出: ================
sum执行了
res:30
代码二：

object LazyDemo {

  def main(args: Array[String]): Unit = {

   lazy val res= sum(10,20) // lazy修饰，sum()函数不会被立即执行，要首次被调用之后再执行
    println("================")
   // println("res:"+res)
  }

  def sum(a:Int,b:Int):Int={
    println("sum执行了")
    a+b
  }
}

输出: ================

代码二：

object LazyDemo {

  def main(args: Array[String]): Unit = {

   lazy val res= sum(10,20) // lazy修饰，sum()函数不会被立即执行，要首次被调用之后再执行
    println("================")
    println("res:"+res)      //调用sum方法
  }

  def sum(a:Int,b:Int):Int={
    println("sum执行了")
    a+b
  }
}

输出: ================
sum执行了
res:30

综上我们可以看出，scala中被lazy修饰之后，可以实现懒加载，这在大数据项目中数据的加载计算会非常有用！！

五：注意

1）lazy不能修饰var类型变量
2）函数被lazy修饰后，会导致函数的运行被推迟，我们在声明一个变量，如果给变量加个lazy，那么变量的声明也会被推迟，只有被使用时才会声明生效。例如：

scala> val a=100
a: Int = 100

scala> lazy val b=1000
b: Int = 

scala> println(b)
1000

另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。