You cannot select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.

361 lines
24 KiB
Markdown

This file contains ambiguous Unicode characters!

This file contains ambiguous Unicode characters that may be confused with others in your current locale. If your use case is intentional and legitimate, you can safely ignore this warning. Use the Escape button to highlight these characters.

# 37 | 高级特性(二):揭秘泛型编程的实现机制
你好,我是宫文学。
对泛型的支持是现代语言中的一个重要特性。它能有效地降低程序员编程的工作量避免重复造轮子写很多雷同的代码。像C++、Java、Scala、Kotlin、Swift和Julia这些语言都支持泛型。至于Go语言它的开发团队也对泛型技术方案讨论了很久并可能会在2021年的版本中正式支持泛型。可见泛型真的是成为各种强类型语言的必备特性了。
那么,**泛型有哪些特点?在设计和实现上有哪些不同的方案?编译器应该进行什么样的配合呢?**今天这一讲,我就带你一起探讨泛型的实现原理,借此加深你对编译原理相关知识点的认知,让你能够在自己的编程中更好地使用泛型技术。
首先,我们来了解一下什么是泛型。
## 什么是泛型?
在日常编程中我们经常会遇到一些代码逻辑它们除了类型不同其他逻辑是完全一样的。你可以看一下这段示例代码里面有两个类其中一个类是保存Integer的列表另一个类是保存Student对象的列表。
```
public class IntegerList{
List data = new ArrayList();
public void add(Integer elem){
data.add(elem);
}
public Integer get(int index){
return (Integer) data.get(index);
}
}
public class StudentList{
List data = new ArrayList();
public void add(Student elem){
data.add(elem);
}
public Student get(int index){
return (Student) data.get(index);
}
}
```
我们都知道,程序员是很不喜欢重复的代码的。像上面这样的代码,如果要为每种类型都重新写一遍,简直会把人逼疯!
泛型的典型用途是针对集合类型能够更简单地保存各种类型的数据比如List、Map这些。在Java语言里如果用通用的集合类来保存特定类型的对象就要做很多强制转换工作。而且我们还要小心地做类型检查。比如
```
List strList = new ArrayList(); //字符串列表
strList.add("Richard");
String name = (String)strList.get(i); //类型转换
for (Object obj in strList){
String str = (String)obj; //类型转换
...
}
strList.add(Integer.valueOf(1)); //类型错误
```
而Java里的泛型功能就能完全消除这些麻烦工作让程序更整洁并且也可以减少出错机会。
```
List<String> strList = new ArrayList<String>(); //字符串列表
strList.add("Richard");
String name = strList.get(i); //类型转换
for (String str in strList){ //无需类型转换
...
}
strList.add(Integer.valueOf(1)); //编译器报错
```
像示例程序里用到的`List<String>`是在常规的类型后面加了一个参数使得这个列表变成了专门存储字符串的列表。如果你再查看一下List和ArrayList的源代码会发现它们比普通的接口和类的声明多了一个类型参数`<E>`,而这个参数可以用在接口和方法的内部所有需要类型的地方:变量的声明、方法的参数和返回值、类所实现的接口,等等。
```
public interface List<E> extends Collection<E>{
E get(int index);
boolean add(E e);
...
}
```
所以说,泛型就是把类型作为参数,出现在类/接口/结构体、方法/函数和变量的声明中。**由于类型是作为参数出现的,因此泛型也被称作参数化类型。**
参数化类型还可以用于更复杂的情况。比如你可以使用1个以上的类型参数像Map就可以使用两个类型参数一个是key的类型K一个是value的类型V
```
public interface Map<K,V> {
...
}
```
另外你还可以对类型参数添加约束条件。比如你可以要求类型参数必须是某个类型的子类这是指定了上界Upper Bound你还可以要求类型参数必须是某个类型的一个父类这是指定了下界Lower Bound。实际上从语言设计的角度来看你可以对参数施加很多可能的约束条件比如必须是几个类型之一等等。
**基于泛型的程序由于传入的参数不同程序会实现不同的功能。这也被叫做一种多态现象叫做参数化多态Parametric Polymorphism。**它跟面向对象中的多态一样,都能让我们编写更加通用的程序。
好了,现在我们已经了解了泛型的含义了。那么,它们是如何在语言中实现的呢?需要用到什么编译技术?
## 泛型的实现
接下来我们一起来看一看几种有代表性的语言实现泛型的技术包括Java、C#、C++等。
### 类型擦除技术
**在Java里泛型是通过类型擦除Type Erasure技术来实现的。**前面在分析[Java编译器](https://time.geekbang.org/column/article/255034)时你就能发现其实类型参数只存在于编译过程中用于做类型检查和类型推断。在此之后这些类型信息就可以被擦除。ArrayList和`ArrayList<String>`对应的字节码是一样的,在运行时没有任何区别。
所以我们可以说在Java语言里泛型其实是一种语法糖有助于减少程序员的编程负担并能提供额外的类型检查功能。
除了Java以外其他基于JVM的语言比如Scala和Kotlin其泛型机制基本上都是类型擦除技术。
**类型擦除技术的优点是实现起来特别简单。**运用我们学过的属性计算、类型检查和推断等相关技术基本就够用了。
不过类型擦除技术也有一定的**局限性**。
问题之一,是**它只能适用于引用类型**也就是对象而不适用于值类型也就是Java中的基础数据类型Primitive Type。比如你不能声明一个`List<int>`来保存单纯的整型数据你在列表里只能保存对象化的Integer。而我们学习过Java对象的内存模型知道一个Integer对象所占的内存是一个int型基础数据的好几倍因为对象头要有十几个字节的固定开销。再加上由此引起的对象创建和垃圾收集的性能开销导致用Java的集合对象来保存大量的整型、浮点型等基础数据是非常不划算的。我们在这种情况下还是要退回到使用数组才行。
问题之二,就是因为类型信息在编译期被擦除了,所以**程序无法在运行时使用这些类型信息**。比如在下面的示例代码中如果你想要根据传入的类型T创建一个新实例就会导致编译错误。
```
public static <T> void append(ArrayList<T> a) {
T b= new T(); // 编译错误
a.add(b);
}
```
同样由于在运行期没有类型信息所以如果要用反射机制来调用程序的时候我们也没有办法像在编译期那样进行类型检查。所以你完全可以往一个旨在保存String的列表里添加一个Interger对象。而缺少类型检查可能会导致程序在执行过程中出错。
另外还有一些由于类型擦除而引起的问题。比如在使用参数化类型的情况下方法的重载Overload会失败。再比如下面的示例代码中两个foo方法看似参数不同。但如果进行了类型擦除以后它们就没什么区别所以是不能共存的。
```
public void foo(List<Integer> p) { ... }
public void foo(List<Double> p) { ... }
```
你要注意不仅仅是Java语言的泛型技术有这样的缺点其他基于JVM实现的语言也有类似的缺点比如没有办法在运行时使用参数化类型的信息。这其实是由于JVM的限制导致的。为了理解这个问题我们可以看一下基于.NET平台的语言 比如C#所采用的泛型技术。C#使用的不是类型擦除技术,而是一种叫做**具体化reification**的技术。
### 具体化技术Reification
说起来C#语言的设计者,安德斯 · 海尔斯伯格Anders Hejlsberg是一位令人尊敬的传奇人物。像我这一代的程序员差不多都使用过他在DOS操作系统上设计的Pascal编译器。后来他在此基础上设计出了Delphi也是深受很多人喜爱的一款开发工具。
出于对语言设计者的敬佩虽然我自己从没用C#写过程序但我从来没有低估过C#的技术。在泛型方面C#的技术方案成功地避免了Java泛型的那些缺点。
C#语言编译也会形成IR然后在.NET平台上运行。在C#语言中对应于Java字节码的IR被叫做**IL**是中间语言Intermediate Language的缩写。
我们知道了在Java的泛型实现中编译完毕以后类型信息就会被擦除。**而在C#生成的IL中则保留了类型参数的类型信息**。所以,`List<Student>`和`List<Teacher>`是两个完全不同的类型。也因为IL保存了类型信息因此我们可以在运行时使用这些类型信息比如根据类型参数创建对象而且如果通过反射机制来运行C#程序的话,也会进行类型检查。
还有很重要的一点,就是**C#的泛型能够支持值类型**,比如基础的整型、浮点型数据;再比如,针对`List<int>`和`List<long>`C#的泛型能够真的生成一份完全不同的可运行的代码。它也不需要把值类型转换成对象,从而导致额外的内存开销和性能开销。
**把参数化类型变成实际的类型的过程是在运行时通过JIT技术实现的。这就是具体化Reification的含义。**把一个参数化的类型,变成一个运行时真实存在的类型,它可以跟非参数化的类型起到完全相同的作用。
不过,为了支持泛型,其实.NET扩展了C#生成的IL以便在IL里能够记录参数化类型信息。而JVM则没有改变它的字节码从而完全是靠编译器来处理泛型。
好了现在我们已经见识到了两种不同的泛型实现机制。还有一种泛型实现机制也是经常被拿来比较的这就是C++的泛型机制,它的泛型机制依托的是**模板元编程技术**。
### 基于元编程技术来支持泛型
在上一讲我们介绍过C++的模板元编程技术。模板元编程很强大,程序里的很多要素都可以模板化,那么类型其实也可以被模板化。
你已经知道元编程技术是把程序本身作为处理对象的。采用C++的模板元编程技术,我们实际上是为每一种类型参数都生成了新的程序,编译后生成的目标代码也是不同的。
所以,**C++的模板技术也能做到Java的类型擦除技术所做不到的事情**比如提供对基础数据类型的支持。在C++的标准模板库STL提供了很多容器类型。它们能像保存对象一样保存像整型、浮点型这样的基础数据类型。
不过使用模板技术来实现泛型也有一些**缺点**。因为本质上,模板技术有点像宏,它是把程序中某些部分进行替换,来生成新的程序。在这个过程中,**它并不会检查针对参数类型执行的某些操作是否是合法的**。编译器只会针对生成后的程序做检查,并报错。这个时候,错误信息往往是比较模糊的,不太容易定位。这也是模板元编程技术固有的短板。
究其原因是模板技术不是单单为了泛型的目的而实现的。不过如果了解了泛型机制的原理你会发现其实可以通过增强C++编译器来提升它的类型检查能力。甚至对类型参数指定上界和下界等约束条件也是可以的。不过这要看C++标准委员会的决定了。
总的来说,**C++的泛型技术像Java的一样都是在运行期之前就完成了所有的工作而不像.NET那样在运行期针对某个参数化的类型产生具体的本地代码。**
好了,了解了泛型的几种实现策略以后,接下来,我们接着讨论一个更深入的话题:**把类型参数化以后,对于计算机语言的类型系统有什么挑战?**这个问题很重要,因为在语义分析阶段,我们已经知道如何做普通类型的分析和处理。而要处理参数化的类型,我们还必须更加清楚支持参数化以后,类型体系会有什么变化。
## 泛型对类型系统的增强
在现代语言中通常会建立一个层次化的类型系统其中一些类型是另一些类型的子类型。什么是子类型呢就是在任何一个用到父类型的地方都可以用其子类型进行替换。比如Cat是Animal的子类型在任何用到Animal的地方都可以用Cat来代替。
不过,当类型可以带有参数之后,类型之间的关系就变得复杂了。比如说:
* `Collection<Cat>`和`List<Cat>`是什么关系呢?
* `List<Animal>`和`List<Cat>`之间又是什么关系呢?
对于第一种情况其实它们的类型参数是一样的都是Cat。而List本来是Collection的子类型那么`List<Cat>`也是`Collection<Cat>`的子类型,我们永远可以用`List<Cat>`来替换`Collection<Cat>`。这种情况比较简单。
但是对于第二种情况,`List<Cat>`是否是`List<Animal>`的子类型呢这个问题就比较难了。不同语言的实现是不一样的。在Java、Julia等语言中`List<Cat>`和`List<Animal>`之间没有任何的关系。
在由多个类型复合而形成的类型中(比如泛型),复合类型之间的关系随其中的成员类型的关系而变化的方式,分为**不变Invariance、协变Covariance和逆变Contravariance**三种情况。理解清楚这三种变化,对于我们理解引入泛型后的类型体系非常重要,这也是编译器进行正确的类型计算的基础。
**首先说说不变。**在Java语言中`List<Animal>`和`List<Cat>`之间并没有什么关系,在下面的示例代码中,如果我们把`List<Cat>`赋值给`List<Animal>`,编译器会报错。因此,我们说`List<T>`基于T是不变的。
```
List<Cat> catList = new ArrayList<>();
List<Animal> animalList = catList; //报错,不是子类型
```
**那么协变是什么呢?**就是复合类型的变化方向跟成员类型是相同的。我给你举两个在Java语言中关于协变的例子。
第一个例子。假设Animal有个reproduce()方法也就是繁殖。而Cat覆盖Override了这个方法但这个方法的返回值是Cat而不是Animal。因为猫肯定繁殖出的是小猫而不是其他动物。这样当我们调用Cat.reproduce()方法的时候就不用对其返回值做强制转换。这个时候我们说reproduce()方法的返回值与它所在类的类型,是协变的,也就是**一起变化**。
```
class Animal{
public abstract Animal reproduce();
}
class Cat extends Animal{
@Override
public Cat reproduce() { //方法的返回值可以是Animal的子类型
...
}
}
```
第二个例子。在Java语言中数组是协变的。也就是`Cat[]`其实是`Animal[]`的子类型,在下面的示例代码中,一个猫的数组可以赋值给一个动物数组。
```
Cat[] cats = {new Cat(), new Cat()}; //创建Cat数组
Animal[] animals = cats; //赋值给Animal数组
animals[0] = new Dog(); //修改第一个元素的值
Cat aCat = cats[0]; //运行时错误
```
但你接下来会看到Animal数组中的值可以被修改为Dog这会导致Cat数组中的元素类型错误。至于为什么Java语言要把数组设计为协变的以及由此导致的一些问题我们暂且不管它。我们要问的是**`List<T>`这样的泛型可以变成协变关系吗?**
答案是可以的。我前面也提过,我们可以在类型参数中指定上界。`List<Cat>`是`List<? Extends Animal>`的子类型,`List<? Extends Animal>`的意思是任何以Animal为祖先的子类。我们可以把一个`List<Cat>`赋值给`List<? Extends Animal>`。你可以看一下示例代码:
```
List<Cat> catList = new ArrayList<>();
List<? extends Animal> animalList = catList; //子类型
catList.add(new Cat());
Animal animal = animalList.get(0);
```
实际上,不仅仅`List<Cat>`是`List<? extends Animal>`的子类型,连`List<Animal>`也是`List<? extends Animal>`的子类型。你可以自己测试一下。
**我们再来说说逆变。**逆变的意思是虽然Cat是Animal的子类型但包含了Cat的复合类型竟然是包含了Animal的复合类型的父类型它们颠倒过来了
这有点违反直觉。在真实世界里有这样的例子吗?当然有。
比如,假设有两个函数,`getWeight<Cat>()`函数是返回Cat的重量`getWeight<Animal>()`函数是返回Animal的重量。你知道从函数式编程的观点每个函数也都是有类型的。那么这两个函数谁是谁的子类型呢
实际上求Animal重量的函数其实是求Cat重量的函数的子类型。怎么说呢
来假设一下。如果你想用一个getTotalWeight()函数求一群Cat的总重量你会怎么办呢你可以把求Cat重量的函数作为参数传进去这肯定没问题。但是你也可以把求Animal重量的函数传进去。因为既然它能返回普通动物的重量那么也一定能返回猫的重量。
```
//伪代码求Cat的总重量
getTotalWeight(List<Cat> cats, function fun)
```
而根据类型理论,**如果类型B能顶替类型A的位置那么B就是A的子类型**。
所以,`getWeigh<Animal>()`反倒是`getWeight<Cat>()`的子类型,这种情况就叫做逆变。
总的来说,加入泛型以后,计算机语言的类型体系变得更加复杂了。我们在编写编译器的时候,一定要弄清楚这些变化关系,这样才能执行正确的类型计算。
那么在了解了加入泛型以后对类型体系的影响后我们接着借助Julia语言来进一步验证一下如何进行正确的类型计算。
## Julia中的泛型和类型计算
Julia设计了一个精巧的类型体系。这个类型体系有着共同的根也就是Any。在这个类型层次中橙色的类型是叶子节点它们是具体的类型也就是可以创建具体的实例。而中间层次的节点蓝色都是抽象的主要是用于类型的计算。
![](https://static001.geekbang.org/resource/image/4b/38/4b88f681a305ecf5010606e3b3a68c38.jpg "Julia的类型体系")
你在[第22讲](https://time.geekbang.org/column/article/264333)中已经了解到了Julia做函数编译的特点。在编写函数的时候你可以根本不用指定参数的类型编译器会根据传入的参数的实际类型来编译成相应版本的机器码。另外你也可以为函数编写多个版本的方法每个版本的参数采用不同的类型。编译器会根据实际参数的类型动态分派到不同的版本。而**这个动态分派机制,就需要用到类型的计算**。
比如说有一个函数foo()定义了三个版本的方法其参数分别是没有指定类型也就是Any、Real类型和Float64类型。如果参数是Float64类型那它当然会被分派到第三个方法。如果是Float32类型那么就会被分派到第二个方法。如果是一个字符串类型呢则会被分派到第一个方法。
```
julia> function foo(x) #方法1
...
end
julia> function foo(x::Real) #方法2
...
end
julia> function foo(x::Float64) #方法3
...
end
```
再进一步,**Julia还支持在定义结构体和函数的时候使用泛型。**比如下面的一个Point结构中坐标x和y的类型是参数化的。
```
julia> struct Point{T}
x::T
y::T
end
julia> Point{Float64}
Point{Float64}
julia> Point{Float64} <: Point #在Julia里如果一个类型更具体则<:为真
true
julia> Point{Float64} <: Point{Real} #Invariant
false
julia> p1 = Point(1.0,2.3) #创建一个Point实例
Point{Float64}(1.0, 2.3) #自动推断出类型
```
如果我们再为foo()函数添加几个方法其参数类型分别是Point类型、Point{Real}类型和Point{Float64}类型,那动态分派的算法也必须能够做正确的分派。所以,在这里,我们就必须能够识别出带有参数的类型之间的关系。
```
julia> function foo(x::Point) #方法4
...
end
julia> function foo(x::Point{Real}) #方法5
...
end
julia> function foo(x::Point{Float64}) #方法6
...
end
```
通过以上的示例代码你可以看到Point{Float64} <: Point,也就是Point{Float64}是Point的子类型。这个关系是有意义的。
**Julia的逻辑是**Point{Float64} Point更具体,能够在程序里替代Point。而Point{Float64} Point{Real}之间是没有什么关系的,虽然Float64Real的子类型。这说明,Point{T}基于T是不变的(Invariant),这跟Java语言的泛型处理是一样的。
所以,在Julia编译的时候,如果我们给foo()传递一个Point{Float64}参数,那么应该被分派到方法6。而如果传递一个Point{Float32}参数呢?分派算法不会选择方法5,因为Point{Float32}不是Point{Real}的子类型。因此,分配算法会选择方法4,因为Point{Float32}是Point的子类型。
那么,**如何让Point{T}基于T协变呢**?这样我们就可以针对Real类型写一些通用的算法,让采用Float32Float16等类型的Point,都按照这个算法去编译了。
**答案就是需要指定上界。**我们可以把Point{Real}改为Point{<:Real},它是Point{Float32}、Point{Float16}等的父类型。
好,总结起来,Julia的泛型和类型计算是很有特点的。泛型提供的参数化多态(Parametric Polymorphism)跟Julia原来的方法多态(Method Polymorphism)很好地融合在了一起,让我们能够最大程度地去编写通用的程序。而被泛型增强后的类型体系,也对动态分派算法提出了更高的要求。
## 课程小结
这一讲,我们学习了泛型这个现代语言中非常重要的特性的实现机制。在实现泛型机制的时候,我们首先必须弄清楚引入泛型以后,对类型体系的影响。你要掌握**不变、协变和逆变**这三个基本概念和它们的应用场景,从而能够正确地用于类型计算的过程中。
在泛型的具体实现机制上,有**类型擦除、具体化和模板元编程**等不同的方法。好的实现机制应该有能力同时兼顾值类型和复合类型,同时又便于调试。
按照惯例,我也把本讲的内容总结成了思维导图,供你参考:
![](https://static001.geekbang.org/resource/image/c7/d7/c7bf4642ebd4a0253b9ec3b174ef71d7.jpg)
## 一课一思
今天,我想给你留两道思考题,你可以根据你熟悉的语言,选择其一。
* 如果你对Java语言比较熟悉,那么针对Java的泛型不支持基础数据类型的问题,你能否想出一种技术方案,来弥补这个短板呢?你思考一下。我在下一讲会借助面向对象的话题,给出一个技术方案。
* 而如果你对Go语言有所了解,那么你对Go语言的泛型技术方案会提出什么建议?能否避免已有语言在实现泛型上的短板呢?你也可以参考我在文末给出的Go语言泛型方案的草案,来印证你的想法。
欢迎在留言区分享你的观点,也非常欢迎你把今天的内容分享给更多的朋友。
## 参考资料
1. Go语言[泛型方案的草案](https://go.googlesource.com/proposal/+/refs/heads/master/design/go2draft-type-parameters.md)。
2. [Julia的泛型](https://docs.julialang.org/en/v1/manual/types/#Parametric-Types)
3. [C#泛型的文档](https://docs.microsoft.com/en-us/dotnet/csharp/programming-guide/generics/),你可以看看它在运行期是如何支持泛型的,这跟Java有很大的不同。