Как стать автором
Обновить

Функциональное программирование на TypeScript: задачи (tasks) как альтернатива промисам

ПрограммированиеФункциональное программированиеTypeScript

Предыдущие статьи цикла:


  1. Полиморфизм родов высших порядков
  2. Паттерн «класс типов»
  3. Option и Either как замены nullable-типам и исключениям



В предыдущей статье мы рассмотрели типы Option и Either, которые предоставляют функциональную замену nullable-типам и выбрасыванию исключений. В этой статье я хочу поговорить о ленивой функциональной замене промисам — задачам (tasks). Они позволят нам подойти к понятию систем эффектов, которые я подробно рассмотрю в следующих статьях.


Как всегда, я буду иллюстрировать примеры с помощью структур данных из библиотеки fp-ts.


Promise/A+, который мы потеряли заслужили


В далеком 2013 году Брайан МакКенна написал пост о том, что следовало бы изменить в спецификации Promise/A+ для того, чтобы промисы соответствовали монадическому интерфейсу. Эти изменения были незначительные, но очень важные с точки зрения соблюдения теоретико-категорных законов для монады и функтора. Итак, Брайан МакКенна предлагал:


  1. Добавить статический метод конструирования промиса Promise.point:

    Promise.point = function(a) {
      // ...
    };
  2. Добавить метод onRejected для обработки состояния неудачи:

    Promise.prototype.onRejected = function(callback) {
      // ...
    };
  3. Сделать так, чтобы Promise.prototype.then принимал только один коллбэк, и этот коллбэк обязательно должен возвращать промис:

    Promise.prototype.then = function(onFulfilled) {
      // ...
    };
  4. Наконец, сделать промис ленивым, добавив метод done:

    Promise.prototype.done = function() {
      // ...
    };

Эти изменения позволили бы получить простое расширяемое API, которое в дальнейшем позволило бы элегантно отделять поведение контекста вычислений от непосредственной бизнес-логики — скажем, так, как это сделано в Haskell с его do-нотацией, или в Scala с for comprehension. К сожалению, так называемые «прагматики» в лице Доменика Дениколы и нескольких других контрибьюторов отвергли эти предложения, поэтому промисы в JS так и остались невнятным энергичным бастардом, которого достаточно проблематично использовать в идиоматичном ФП-коде, предполагающим equational reasoning и соблюдение принципа ссылочной прозрачности. Тем не менее, благодаря достаточно простому трюку можно сделать из промисов законопослушную абстракцию, для которой можно реализовать экземпляры функтора, аппликатива, монады и много чего еще.


Task<A> — ленивый промис


Первой абстракцией, которая позволит сделать промис законопослушным, является Task. Task<A> — это примитив асинхронных вычислений, который олицетворяет задачу, которая всегда завершается успешно со значением типа A (то есть не содержит выразительных средств для представления ошибочного состояния):


// Task — ленивый примитив асинхронных вычислений
type Task<A> = () => Promise<A>;

// Уникальный идентификатор ресурса — тэг типа (type tag)
const URI = 'Task';
type URI = typeof URI;

// Определение Task как типа высшего порядка (higher-kinded type)
declare module 'fp-ts/HKT' {
  interface URItoKind<A> {
    [URI]: Task<A>;
  }
}

Для Task можно определить экземпляры классов типов Functor, Apply, Applicative, Monad. Обратите внимание, как один из самых простых классов типов — функтор — порождает структуры, обладающие всё более и более сложным поведением.


N.B.: Также оговорюсь, что для простоты реализации код по обработке состояния rejected в промисах, использующихся внутри Task, не пишется — подразумевается, что конструирование экземпляров Task происходит при помощи функций-конструкторов, а не ad hoc.

Функтор позволяет преобразовывать значение, которое будет возвращено задачей, из типа A в тип B при помощи чистой функции:


const Functor: Functor1<URI> = {
  URI,
  map: <A, B>(
    taskA: Task<A>, 
    transform: (a: A) => B
  ): Task<B> => async () => {
    const prevResult = await taskA();
    return transform(prevResult);
  },
};

Apply позволяет применять некую функцию преобразования, получающуюся асинхронно, к данным, которые будут возвращены задачей. Для Task можно написать два экземпляра Apply — один будет вычислять результат и функцию преобразования последовательно, другой — параллельно:


const Apply: Apply1<URI> = {
  ...Functor,
  ap: <A, B>(
    taskA2B: Task<(a: A) => B>, 
    taskA: Task<A>
  ): Task<B> => async () => {
    const transformer = await taskA2B();
    const prevResult = await taskA();
    return transformer(prevResult);
  },
};

const ApplyPar: Apply1<URI> = {
  ...Functor,
  ap: <A, B>(
    taskA2B: Task<(a: A) => B>, 
    taskA: Task<A>
  ): Task<B> => async () => {
    const [transformer, prevResult] = await Promise.all([taskA2B(), taskA()]);
    return transformer(prevResult);
  },
};

Аппликативный функтор (аппликатив) позволяет конструировать новые значения некоего типа F, «поднимая» (lift) их в вычислительный контекст F. В нашем случае — аппликатив оборачивает чистое значение в задачу. Для простоты я буду использовать последовательный экземпляр Apply для наследования:


const Applicative: Applicative1<URI> = {
  ...Apply,
  of: <A>(a: A): Task<A> => async () => a,
};

Монада позволяет организовывать последовательные вычисления — сначала вычисляется результат предыдущей задачи, после чего полученный результат используется для последующих вычислений. Обратите внимание: хоть мы и можем использовать для определения монады любой экземпляр аппликатива — как базирующийся на последовательном Apply, так и на параллельном, — функция chain, являющаяся сердцем монады, вычисляется для Task строго последовательно. Это напрямую следует из типов, и, в целом, не является чем-то сложным — но я считаю своей обязанностью обратить на это внимание:


const Monad: Monad1<URI> = {
  ...Applicative,
  chain: <A, B>(
    taskA: Task<A>, 
    next: (a: A) => Task<B>
  ): Task<B> => async () => {
    const prevResult = await taskA();
    const nextTask = next(prevResult);
    return nextTask();
  },
};

N.B.: так как экземпляр монады для Task может наследоваться от одного из двух экземпляров аппликатива — параллельного или последовательного, — то подставляя нужный экземпляр монады в программы, написанные в стиле Tagless Final, можно получить разное поведение аппликативных операций. Про реализацию стиля Tagless Final на тайпскрипте можно почитать в этом треде #MonadicMondays.

Имея на руках такие выразительные способности, как монада и функтор, можно уже писать простые программы в императивном стиле: делать ветвление, вычислять что-либо рекурсивно. Но для работы над задачами реального мира необходимо уметь выражать ошибочное состояние, и в этом поможет следующая абстракция — TaskEither.


TaskEither<E, A> — задача, которая может вернуть ошибку


В предыдущей статье мы рассмотрели тип данных Either, который представляет вычисления, которые могут идти по одному из двух путей. Для типа Either можно реализовать экземпляры функтора, монады, альтернативы (Alt + Alternative, позволяет выражать fallback-значения), бифунктора (позволяет модифицировать одновременно как левую, так и правую часть Either) и много чего еще.


Комбинируя Task и Either, мы получаем абстракцию, которая обладает новой семантикой — TaskEither<E, A> это асинхронные вычисления, которые могут завершиться успешно со значением типа A или завершиться неудачей с ошибкой типа E. В fp-ts для TaskEither реализован ряд комбинаторов, как то:


  • bracket позволяет безопасно получить (acquire), использовать (use) и утилизировать (release) какой-либо ресурс — например, соединение с базой данных или файловый дескриптор. При этом функция release вызовется вне зависмости от того, завершилась ли функция use успехом или неудачей:


    bracket: <E, A, B>(
      acquire: TaskEither<E, A>,
      use: (a: A) => TaskEither<E, B>,
      release: (a: A, e: E.Either<E, B>) => TaskEither<E, void>
    ) => TaskEither<E, B>

  • tryCatch оборачивает промис, который может быть отклонен, в промис, который никогда не может быть отклонен и который возвращает Either. Эта функция вместе со следующей функцией taskify — один из краеугольных камней для адаптации функций сторонних библиотек к функциональному стилю. Также есть функция tryCatchK, которая умеет работать с функциями от нескольких аргументов:


    tryCatch: <E, A>(
      f: Lazy<Promise<A>>, 
      onRejected: (reason: unknown) => E
    ) => TaskEither<E, A>
    
    tryCatchK: <E, A extends readonly unknown[], B>(
      f: (...a: A) => Promise<B>, 
      onRejected: (reason: unknown) => E
    ) => (...a: A) => TaskEither<E, B>

  • taskify — функция, которая позволяет превратить коллбэк в стиле Node.js в функцию, возвращающую TaskEither. taskify перегружена для оборачивания функций от 0 до 6 аргументов + коллбэк:


    taskify<A, L, R>(
      f: (a: A, cb: (e: L | null | undefined, r?: R) => void
    ) => void): (a: A) => TaskEither<L, R>


Благодаря тому, что для TaskEither реализованы экземпляры Traversable и Foldable, возможна простая работа по обходу массива задач. Функции traverseArray, traverseArrayWithIndex, sequenceArray и их последовательные вариации traverseSeqArray, traverseSeqArrayWithIndex, sequenceSeqArray позволяют обойти массив задач и получить как результат задачу, чьим результатом является массив результатов. Например, вот как можно написать программу, которая должна прочитать три файла с диска и записать их содержимое в единый новый файл:


import * as fs from 'fs';
import { pipe } from 'fp-ts/function';
import * as Console from 'fp-ts/Console';
import * as TE from 'fp-ts/TaskEither';

// Сначала я оберну функции из системного модуля `fs` при помощи `taskify`, сделав их чистыми:
const readFile = TE.taskify(fs.readFile);
const writeFile = TE.taskify(fs.writeFile);

const program = pipe(
  // Входная точка — массив задач по чтению трёх файлов с диска:
  [readFile('/tmp/file1'), readFile('/tmp/file2'), readFile('/tmp/file3')],
  // Для текущей задачи важен порядок обхода массива, поэтому я использую
  // последовательную, а не параллельную версию traverseArray:
  TE.traverseSeqArray(TE.map(buffer => buffer.toString('utf8'))),
  // При помощи функции `chain` из интерфейса монады я организую
  // последовательность вычислений:
  TE.chain(fileContents => 
    writeFile('/tmp/combined-file', fileContents.join('\n\n'))),
  // Наконец, в финале я хочу узнать, завершилась ли программа успешно или 
  // ошибочно, и залогировать это. Тут мне поможет модуль `fp-ts/Console`,
  // содержащий чистые функции по работе с консолью:
  TE.match(
    err => TE.fromIO(Console.error(`An error happened: ${err.message}`)),
    () => TE.fromIO(Console.log('Successfully written to combined file')),
  )
);
// Наконец, запускаем нашу чистую программу на выполнение, 
// выполняя все побочные эффекты:
await program();

N.B.: Если обратите внимание, то я пишу про функции, возвращающие TaskEither, как про чистые. В прошлых статьях я вскользь затрагивал эту тему: в функциональном подходе многое строится на создании описания вычислений с последующей интерпретацией их по необходимости. Когда я буду рассказывать про свободные монады, эта тема будет раскрыта более полно; сейчас же я просто скажу, что Task/TaskEither/ReaderTaskEither/etc. — это просто значения, а не запущенные вычисления, поэтому с ними можно обращаться более вольготно, чем с промисами. Именно ленивость Task'ов позволяет им быть настолько удобной и мощной абстракцией. Код, написанный с применением TaskEither, проще рефакторить с помощью принципа ссылочной прозрачности: задачи можно спокойно создавать, отменять и передавать в другие функции.

Казалось бы, TaskEither дает хорошие выразительные способности — в типах видно, какой результат и какую ошибку может вернуть функция. Но мы можем пойти еще немного дальше и добавить еще один уровень абстракции — Reader.


Reader — доступ к неизменному вычислительному контексту


Если мы возьмем тип функции A -> B, и зафиксируем тип аргумента A как неизменный, мы получим структуру, для которой можно определить экземпляры функтора, аппликатива, монады, профунктора, категории и т.п., которую назвали Reader:


// Reader это функция из некоторого окружения типа `E` в значение типа `A`:
type Reader<E, A> = (env: E) => A;

// Reader является типом высшего порядка, поэтому определим всё необходимое:
const URI = 'Reader';
type URI = typeof URI;

declare module 'fp-ts/HKT' {
  interface URItoKind2<E, A> {
    readonly [URI]: Reader<E, A>;
  }
}

Для Reader можно определить экземпляры следующих классов типов:


// Функтор:
const Functor: Functor2<URI> = {
  URI,
  map: <R, A, B>(
    fa: Reader<R, A>, 
    f: (a: A) => B
  ): Reader<R, B> => (env) => f(fa(env))
};

// Apply:
const Apply: Apply2<URI> = {
  ...Functor,
  ap: <R, A, B>(
    fab: Reader<R, (a: A) => B>, 
    fa: Reader<R, A>
  ): Reader<R, B> => (env) => {
    const fn = fab(env);
    const a = fa(env);
    return fn(a);
  }
};

// Аппликативный функтор:
const Applicative: Applicative2<URI> = {
  ...Apply,
  of: <R, A>(a: A): Reader<R, A> => (_) => a
};

// Монада:
const Monad: Monad2<URI> = {
  ...Applicative,
  chain: <R, A, B>(
    fa: Reader<R, A>, 
    afb: (a: A) => Reader<R, B>
  ): Reader<R, B> => (env) => {
    const a = fa(env);
    const fb = afb(a);
    return fb(env);
  },
};

Reader позволяет реализовать интересный паттерн — доступ к некоторому неизменному окружению. Предположим, мы хотим, чтобы у приложения был доступ к конфигурации со следующим типом:


interface AppConfig {
  readonly host: string; // имя хоста веб-сервера
  readonly port: number; // порт, который будет слушать веб-сервер
  readonly connectionString: string; // параметры соединения с некоторой БД
}

Для упрощения я сделаю типы БД и express алиасами для строковых литералов — сейчас мне не так важно, какой бизнес-тип будут возвращать функции; важнее продемонстрировать принципы работы с Reader:


type Database = 'connected to the db';
type Express = 'express is listening';

// Наше приложение — это *значение типа A*, вычисляемое *в контексте доступа 
// к конфигурации типа AppConfig*:
type App<A> = Reader<AppConfig, A>;

Для начала напишем функцию, которая соединяется с нашим фейковым экспрессом:


const expressServer: App<Express> = pipe(
  // `ask` позволяет «запросить» от окружения значение типа AppConfig. 
  // Ее реализация тривиальна:
  // const ask = <R>(): Reader<R, R> => r => r;
  R.ask<AppConfig>(),
  // Я использую функтор, чтобы получить доступ к конфигу и что-то сделать 
  // на его основе — например, залогировать параметры и вернуть значение 
  // типа `Express`:
  R.map(
    config => {
      console.log(`${config.host}:${config.port}`);
      // В реальном приложении здесь нужно выполнять асинхронные операции 
      // по запуску сервера.
      // Мы поговорим о работе с асинхронностью в следующей секции:
      return 'express is listening';
    },
  ),
);

Функция databaseConnection работает в контексте конфига и возвращает соединение с фейковой БД:


const databaseConnection: App<Database> = pipe(
  // `asks` позволяет запросить значение определенного типа и сразу же 
  // преобразовать его в какое-то другое — например, здесь я просто достаю 
  // из конфига строку с параметрами соединения:
  R.asks<AppConfig, string>(cfg => cfg.connectionString),
  R.map(
    connectionString => {
      console.log(connectionString);
      return 'connected to the db';
    },
  ),
);

Наконец, наше приложение не будет ничего возвращать, но всё так же работать в контексте конфига. Здесь я воспользуюсь функцией sequenceS из модуля fp-ts/Apply, чтобы преобразовать структуру вида


interface AdHocStruct {
  readonly db: App<Database>;
  readonly express: App<Express>;
}

к типу App<{ readonly db: Database; readonly express: Express }>. Мы якобы «достаём» из структуры данные, обёрнутые в контекст App, и собираем новый контекст App с похожей структурой, только содержащей уже чистые данные:


import { sequenceS } from 'fp-ts/Apply';
const seq = sequenceS(R.Apply);

const application: App<void> = pipe(
  seq({
    db: databaseConnection,
    express: expressServer
  }),
  R.map(
    ({ db, express }) => {
      console.log([db, express].join('; '));
      console.log('app was initialized');
      return;
    },
  ),
);

Чтобы «запустить» Reader<E, A> на выполнение, ему необходимо передать аргумент того типа, который зафиксирован в типопеременной E, и результатом будет значение типа A:


application({
  host: 'localhost',
  port: 8080,
  connectionString: 'mongo://localhost:271017',
});

Наконец, объединяя две вышеописанные концепции, мы приходим к последней для данной статьи абстракции — ReaderTaskEither.


ReaderTaskEither<R, E, A> — задача, выполняющаяся в контексте окружения


Комбинируя Reader и TaskEither, мы получаем следующую абстракцию: ReaderTaskEither<R, E, A> — это асинхронные вычисления, которые имеют доступ к некоему неизменному окружению типа R, могут вернуть результат типа A или ошибку типа E. Оказалось, что такая конструкция позволяет описывать подавляющее большинство задач, с которыми в принципе приходится сталкиваться программисту при написании функций. Более того, заполняя типопараметры ReaderTaskEither значениями any и never, можно получить такие абстракции:


// Task никогда не может упасть и может быть запущен в любом окружении:
type Task<A> = ReaderTaskEither<any, never, A>;

// ReaderTask никогда не падает, но требует для работы окружения типа `R`:
type ReaderTask<R, A> = ReaderTaskEither<R, never, A>;

// TaskError может упасть с обобщенной ошибкой типа Error:
type TaskError<A> = ReaderTaskEither<any, Error, A>;

// ReaderTaskError может упасть с ошибкой типа Error и требует для работы 
// окружение типа `R`:
type ReaderTaskError<R, A> = ReaderTaskEither<R, Error, A>;

// TaskEither, с которым мы познакомились ранее, может быть представлен как 
// алиас для ReaderTaskEither, который может быть запущен в любом окружении:
type TaskEither<E, A> = ReaderTaskEither<any, E, A>;

Для ReaderTaskEither в соответствующем модуле fp-ts реализовано большое количество конструкторов, деструкторов и комбинаторов. Однако сам по себе ReaderTaskEither не так интересен, как схожая по семантике с ним ZIO-подобная конструкция, которая несёт дополнительный интересный механизм под капотом, называемый свободными монадами.


N.B. Про ReaderTaskEither я достаточно много говорил на камеру в пятом эпизоде видеоподкаста «ФП для чайника». Пример, который я там рассматриваю, можно найти здесь.



На этом данную статью я заканчиваю. Абстракция ReaderTaskEither плавно подвела нас к концепции систем эффектов. Но перед тем, как рассмотреть их на примере ZIO-подобной библиотеки Effect-TS, в следующей статье я хочу поговорить о свободных конструкциях на примере свободных и более свободных монад (Free & Freer monads).


Вы можете найти примеры кода из этой статье у меня в Gist на гитхабе.

Теги:typescripttsfpfp-tsфункциональное программирование
Хабы: Программирование Функциональное программирование TypeScript
Всего голосов 23: ↑23 и ↓0 +23
Просмотры7.5K

Похожие публикации

Разработчик бизнес-приложений на low-code платформе
от 70 000 до 150 000 ₽2050-ИнтеграторМоскваМожно удаленно
TypeScript developer (remote)
до 3 500 $Stark GamesМожно удаленно
Frontend / Typescript engineer
от 3 200 до 5 800 $Webdevelop PROМожно удаленно
JavaScript/TypeScript разработчик
от 100 000 до 150 000 ₽ReleaseBandМожно удаленно

Лучшие публикации за сутки