Okasaki 的纯函数式数据结构中的流章节
Streams chapter in Okasaki's Purely Functional Data Structure
在他关于流的介绍性章节中，Okasaki 提供了 drop 流的 2 种实现。
他明确提到第二种更有效（并且两者具有相同的语义），但我似乎无法弄清楚为什么一个比另一个更有效。任何见解将不胜感激。
如果非要我猜的话，我会说这一定是因为第二个版本没有像第一个版本那样利用惰性，但似乎不管上下文如何，如果你强制结果的任何一点，然后你强制整个计算。例如，假设我想做：
val x = hd ($drop(10, l))
对于第一个版本，我们需要经历所有 10 次迭代，然后才能得到一个 cons 单元格（假设流有超过 10 个元素）。这与第二个版本中执行的计算量相同，但是，我们不必处理在每次迭代中创建 thunk 并强制执行它的开销。
某些编译器，如 GHC，实际上会执行称为严格性分析的操作，您可以在其中尝试确定是否要强制执行特定术语，如果是，则无需创建 thunk 然后强制执行它，可以找到更多详细信息 here
另一方面，对于 take，
val x = hd ($take(10, l))
在完全懒惰的版本下，我们只需要评估 take 的第一次迭代，直到我们可以停止，而第二个版本的模拟将评估所有 10 次迭代。在这个例子中，懒惰给了你一些节省。
在他关于流的介绍性章节中，Okasaki 提供了 drop 流的 2 种实现。
他明确提到第二种更有效（并且两者具有相同的语义），但我似乎无法弄清楚为什么一个比另一个更有效。任何见解将不胜感激。
如果非要我猜的话，我会说这一定是因为第二个版本没有像第一个版本那样利用惰性，但似乎不管上下文如何，如果你强制结果的任何一点，然后你强制整个计算。例如，假设我想做：
val x = hd ($drop(10, l))
对于第一个版本，我们需要经历所有 10 次迭代，然后才能得到一个 cons 单元格（假设流有超过 10 个元素）。这与第二个版本中执行的计算量相同，但是，我们不必处理在每次迭代中创建 thunk 并强制执行它的开销。
某些编译器，如 GHC，实际上会执行称为严格性分析的操作，您可以在其中尝试确定是否要强制执行特定术语，如果是，则无需创建 thunk 然后强制执行它，可以找到更多详细信息 here
另一方面，对于 take，
val x = hd ($take(10, l))
在完全懒惰的版本下，我们只需要评估 take 的第一次迭代，直到我们可以停止，而第二个版本的模拟将评估所有 10 次迭代。在这个例子中，懒惰给了你一些节省。