Iteratees和FRP之间有什么联系？

Question

在我看来,这两个想法之间存在着密切的联系.我的猜测是,如果有一种方法可以用迭代器表示任意图形,那么FRP可以用Iteratees来实现.但是afaik他们只支持链式结构.

有人可以对此有所了解吗？

Answer 1

这是相反的方式.AFRP和流处理之间存在很强的联系.事实上,AFRP 是流处理的一种形式,你可以使用这个习惯来实现与管道非常相似的东西:

data Pipe m a b =
    Pipe {
      cleanup :: m (),
      feed    :: [a] -> m (Maybe [b], Pipe m a b)
    }

这是Netwire中的电线类别的扩展.它接收下一个输入块并在停止生成时返回Nothing.使用此文件阅读器将具有以下类型:

readFile :: (MonadIO m) => FilePath -> Pipe m a ByteString

Pipe是一系列应用函子,所以要将一个简单的函数应用于流元素,你可以使用fmap:

fmap (B.map toUpper) . readFile

为了您的方便,它也是一个系列的兼职者.

最有趣的功能是这是一系列替代函子.这允许您路由流并允许多个流处理器在放弃之前"尝试".这可以扩展到一个完整的解析库,甚至可以使用一些静态信息进行优化.

Answer 2

您可以使用流处理器实现有限形式的FRP.例如,使用pipes库,您可以定义事件源:

mouseCoordinates :: (Proxy p) => () -> Producer p MouseCoord IO r

...您可以类似地定义一个图形处理程序,它接受鼠标坐标并更新画布上的光标:

coordHandler :: (Proxy p) => () -> Consumer p MouseCoord IO r

然后,您将使用组合将鼠标事件连接到处理程序:

>>> runProxy $ mouseCoordinates >-> coordHandler

它会像你期望的那样运行.

就像你说的那样,这适用于单个连锁阶段,但是更多的任意拓扑呢？好吧,事实证明,由于中心Proxy类型pipes是monad变换器,你可以通过在它们自己之上嵌套代理monad变换器来建模任何任意拓扑.例如,以下是如何压缩两个输入流:

zipD
 :: (Monad m, Proxy p1, Proxy p2, Proxy p3)
 => () -> Consumer p1 a (Consumer p2 b (Producer p3 (a, b) m)) r
zipD () = runIdentityP $ hoist (runIdentityP . hoist runIdentityP) $ forever $ do
    a <- request ()               -- Request from the outer Consumer
    b <- lift $ request ()        -- Request from the inner consumer
    lift $ lift $ respond (a, b)  -- Respond to the Producer

这表现得像一个curried函数.您可以按顺序将其部分应用于每个输入,然后可以在完全应用它时运行它.

-- 1st application
p1 = runProxyK $ zipD   <-< fromListS [1..]

-- 2nd application
p2 = runProxyK $ p2     <-< fromListS [4..6]

-- 3rd application
p3 = runProxy  $ printD <-< p3

它以您期望的方式运行:

>>> p3
(1, 4)
(2, 5)
(3, 6)

这个技巧推广到任何拓扑.您可以在"分支,拉链和合并"部分的Control.Proxy.Tutorial中找到有关此内容的更多详细信息.特别是,您应该检查fork它使用的组合器作为示例,它允许您将流拆分为两个输出.