Reaktive Programmierung
Vorlesung 1 vom 14.04.15: Was ist Reaktive Programmierung?
Christoph Lüth & Martin Ring
Universität Bremen
Sommersemester 2014
Organisatorisches
I Vorlesung: Donnerstags 8-10, MZH 1450
I Übung: Dienstags 16-18, MZH 1460 (nach Bedarf)
I Webseite:www.informatik.uni-bremen.de/~cxl/lehre/rp.ss15
I Scheinkriterien:
I Voraussichtlich 6 Übungsblätter
I Alle bearbeitet, insgesamt 40% (Notenspiegel PI3)
I Übungsgruppen 2 – 4 Mitglieder
I Fachgespräch am Ende
Warum Reaktive Programmierung?
Herkömmliche
Programmiersprachen:
I C, C++
I JavaScript, Ruby, PHP, Python
I Java
I (Haskell) Eigenschaften:
I Imperativund prozedural
I Sequentiell
Zugrundeliegendes Paradigma:
Warum Reaktive Programmierung?
Herkömmliche
Programmiersprachen:
I C, C++
I JavaScript, Ruby, PHP, Python
I Java
I (Haskell) Eigenschaften:
I Imperativund prozedural
I Sequentiell
Zugrundeliegendes Paradigma:
. . . aber die Welt ändert sich:
I Das Netzverbindet Rechner
I Selbst eingebettete Systeme sind vernetzt (Auto: ca. 100 Proz.)
I Mikroprozessoren sindmehrkernig
I Systeme sind eingebettet, nebenläufig,reagieren auf ihre Umwelt.
Probleme mit dem herkömmlichen Ansatz
Programm
Daten Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe
Ausgabe Programm Daten
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
I Problem:Nebenläufigkeit
I Nebenläufigkeit verursacht Synchronisationsprobleme
I Behandlung:
I Callbacks (JavaScript)
I Events (Java)
I Global Locks (Python, Ruby)
I Programmiersprachenkonstrukte: Locks, Semaphoren, Monitore
Probleme mit dem herkömmlichen Ansatz
Programm
Daten Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe
Ausgabe Programm Daten
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
I Problem: Nebenläufigkeit
I Nebenläufigkeit verursacht Synchronisationsprobleme
I Behandlung:
I Callbacks (JavaScript)
I Events (Java)
I Global Locks (Python, Ruby)
I Programmiersprachenkonstrukte: Locks, Semaphoren, Monitore
Probleme mit dem herkömmlichen Ansatz
Programm
Daten Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
I Problem: Nebenläufigkeit
I Nebenläufigkeit verursacht Synchronisationsprobleme
I Behandlung:
I Callbacks (JavaScript)
I Events (Java)
I Global Locks (Python, Ruby)
I Programmiersprachenkonstrukte: Locks, Semaphoren, Monitore
Probleme mit dem herkömmlichen Ansatz
Programm
Daten Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
I Problem: Nebenläufigkeit
I Nebenläufigkeit verursacht Synchronisationsprobleme
I Behandlung:
I Callbacks (JavaScript)
I Events (Java)
I Global Locks (Python, Ruby)
I Programmiersprachenkonstrukte: Locks, Semaphoren, Monitore
Probleme mit dem herkömmlichen Ansatz
Programm
Daten Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe
Ausgabe Programm Daten
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
I Problem: Nebenläufigkeit
I Nebenläufigkeit verursacht Synchronisationsprobleme
I Behandlung:
I Callbacks (JavaScript)
I Events (Java)
I Global Locks (Python, Ruby)
I Programmiersprachenkonstrukte:
Locks, Semaphoren, Monitore
Probleme mit dem herkömmlichen Ansatz
Programm
Daten Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe
Ausgabe Programm Daten
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
Daten Programm
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe Ausgabe
Eingabe
Ausgabe
Eingabe Ausgabe
I Problem: Nebenläufigkeit
I Nebenläufigkeit verursacht Synchronisationsprobleme
I Behandlung:
I Callbacks (JavaScript)
I Events (Java)
I Global Locks (Python, Ruby)
I Programmiersprachenkonstrukte:
Locks, Semaphoren, Monitore
Amdahl’s Law
“The speedup of a program using multiple processors in parallel computing is limited by the sequential fraction of the program. For example, if 95% of the program can be parallelized, the theoretical maximum speedup using parallel computing would be 20×as shown in the diagram, no matter how many processors are used.”
20.00 18.00 16.00 14.00 12.00 10.00 8.00 6.00 4.00 2.00 0.00
Speedup 1 2 4 8 16 32 64 128 256 512 1024 2048 4096 8192 16384 32768 65536
NumberLofLProcessors Amdahl’sLLaw
ParallelLPortion 50%
75%
90%
95%
Quelle: Wikipedia
The Reactive Manifesto
I http://www.reactivemanifesto.org/
Responsive
Resilient
Message Driven Elastic
Was ist Reaktive Programmierung?
I ImperativeProgrammierung: Zustandsübergang
I Prozeduralund OO: Verkapselter Zustand
I FunktionaleProgrammierung: Abbildung (mathematische Funktion)
I ReaktiveProgrammierung:
1. Datenabhängigkeit
2. Reaktiv=funktional+nebenläufig
Datenflusssprachen (data flow languages)
I Frühe Sprachen: VAL, SISAL, ID, LUCID (1980/1990)
I Heutige Sprachen: Esterel, Lustre (Gérard Berry, Verimag)
I KeineZuweisungen, sondernDatenfluss
I Synchron:alle Aktionen ohne Zeitverzug
I Verwendung in der Luftfahrtindustrie (Airbus)
Fahrplan
I Teil I: Grundlegende Konzepte
I Was ist Reaktive Programmierung?
I Nebenläufigkeit und Monaden in Haskell
I Funktional-Reaktive Programmierung
I Einführung in Scala
I Die Scala Collections
I ScalaCheck
I Teil II: Nebenläufigkeit
I Teil III: Fortgeschrittene Konzepte
Fahrplan
I Teil I: Grundlegende Konzepte
I Teil II: Nebenläufigkeit
I Futures and Promises
I Reaktive Datenströme I
I Reaktive Datenströme II
I Das Aktorenmodell
I Aktoren und Akka
I Teil III: Fortgeschrittene Konzepte
Fahrplan
I Teil I: Grundlegende Konzepte
I Teil II: Nebenläufigkeit
I Teil III: Fortgeschrittene Konzepte
I Bidirektionale Programmierung: Zippers and Lenses
I Robustheit, Entwurfsmuster
I Theorie der Nebenläufigkeit
Rückblick Haskell
I Definition von Funktionen:
I lokale Definitionen mitletundwhere
I Fallunterscheidung undguarded equations
I Abseitsregel
I Funktionen höherer Ordnung
I Typen:
I Basisdatentypen:Int,Integer,Rational,Double,Char,Bool
I Strukturierte Datentypen:[a],(a, b)
I Algebraische Datentypen:data Maybe a = Just a | Nothing
Rückblick Haskell
I Abstrakte Datentypen
I Module
I Typklassen
I Verzögerte Auswertung und unendliche Datentypen
Ein- und Ausgabe in Haskell
Umwelt Haskell
Aktionen
Umwelt Reine
Funktionen Haskell
Problem:
I Funktionen mit Seiteneffekten nicht referentiell transparent.
I readString :: . . .→String ??
Lösung:
I Seiteneffekte am Typ erkennbar
I Aktionenkönnen nurmit Aktionenkomponiert werden
I „einmal Aktion, immer Aktion“
Ein- und Ausgabe in Haskell
Umwelt Haskell
Aktionen
Umwelt Reine
Funktionen Haskell
Problem:
I Funktionen mit Seiteneffekten nicht referentiell transparent.
I readString :: . . .→String ??
Lösung:
I Seiteneffekte am Typ erkennbar
I Aktionenkönnen nurmit Aktionenkomponiert werden
I „einmal Aktion, immer Aktion“
Aktionen als abstrakter Datentyp
I ADT mit OperationenKomposition und Lifting
I Signatur:
type IO α
(=) :: IO α → (α→ IO β) → IO β return :: α→ IO α
I Pluselementare Operationen (lesen, schreiben etc)
Elementare Aktionen
I Zeile von stdin lesen:
getLine :: IO String
I Zeichenkette auf stdout ausgeben:
putStr :: String→ IO ()
I Zeichenkette mit Zeilenvorschubausgeben:
putStrLn :: String→ IO ()
Einfache Beispiele
I Echoeinfach echo1 :: IO ()
echo1 = getLine= putStrLn
I Echomehrfach echo :: IO ()
echo = getLine= putStrLn=λ_ → echo
I Was passiert hier?
I Verknüpfenvon Aktionen mit=
I Jede Aktion gibtWertzurück
Noch ein Beispiel
I Umgekehrtes Echo:
ohce :: IO () ohce = getLine
=λs→ putStrLn ( reverse s ) ohce
I Was passiert hier?
I ReineFunktion reverse wird innerhalb vonAktionputStrLngenutzt
I FolgeaktionohcebenötigtWertder vorherigen Aktion nicht
I Abkürzung:
pq = p=λ_ → q
Die do-Notation
I Syntaktischer Zucker fürIO:
echo = getLine
=λs→ putStrLn s echo
⇐⇒
echo =
do s← getLine putStrLn s echo
I Rechts sind=,implizit.
I Es gilt dieAbseitsregel.
I Einrückungderersten Anweisungnachdobestimmt Abseits.
Drittes Beispiel
I Zählendes, endliches Echo echo3 :: Int→ IO () echo3 cnt =do
putStr (show cnt ++ " : ␣" ) s← getLine
i f s 6= "" then do
putStrLn $ show cnt ++ " : ␣"++ s echo3 ( cnt+ 1)
else return ()
I Was passiert hier?
I KombinationausKontrollstrukturenundAktionen
I AktionenalsWerte
I Geschachteltedo-Notation
Module in der Standardbücherei
I Ein/Ausgabe, Fehlerbehandlung (ModulIO)
I Zufallszahlen (ModulRandom)
I Kommandozeile, Umgebungsvariablen (ModulSystem)
I Zugriff auf das Dateisystem (Modul Directory)
I Zeit (ModulTime)
Ein/Ausgabe mit Dateien
I ImPreludevordefiniert:
I Dateien schreiben (überschreiben, anhängen):
type FilePath = String
w r i t e F i l e :: FilePath → String → IO () appendFile :: FilePath → String → IO ()
I Datei lesen (verzögert):
readFile :: FilePath → IO String
I Mehr Operationenim Modul IOder Standardbücherei
I Buffered/Unbuffered, Seeking, &c.
I Operationen aufHandle
Beispiel: Zeichen, Wörter, Zeilen zählen (wc)
wc :: String→ IO () wc f i l e =
do cont ← readFile f i l e putStrLn $ f i l e ++ " : ␣"++
show ( length ( l i n e s cont ) , length (words cont ) , length cont )
I Datei wird gelesen
I Anzahl Zeichen, Worte, Zeilen gezählt
Aktionen als Werte
I Aktionensind Wertewie alle anderen.
I DadurchDefinitionvon Kontrollstrukturenmöglich.
I Endlosschleife:
forever :: IO α→ IO α forever a = a forever a
I Iteration (feste Anzahl):
forN :: Int→ IO α→ IO () forN n a | n == 0 = return ()
| otherwise = aforN (n−1) a
I VordefinierteKontrollstrukturen (Control .Monad):
I when,mapM,forM,sequence, . . .
Map und Filter für Aktionen
I Listen von Aktionen sequenzieren:
sequence :: [ IO a ]→ IO [ a ] sequence_ :: [ IO ( ) ]→ IO ()
I Map für Aktionen:
mapM :: (a→ IO b)→ [ a ]→ IO [ b ] mapM_ :: (a→ IO ())→ [ a ]→ IO ()
I Filter für Aktionen
I Importieren mitimport Monad (filterM).
filterM :: (a → IO Bool) → [ a ] → IO [ a ]
Fehlerbehandlung
I Fehlerwerden durch Exceptionrepräsentiert
I ExceptionistTypklasse— kann durch eigene Instanzen erweitert werden
I Vordefinierte Instanzen: u.a.IOError
I FehlerbehandlungdurchAusnahmen (ähnlich Java)
catch :: Exception e⇒ IO α → (e→ IO α) → IO α try :: Exception e⇒ IO α → IO ( Either e a)
I Faustregel:catchfür unerwartete Ausnahmen, try für erwartete
I Fehlerbehandlungnur in Aktionen
Fehler fangen und behandeln
I Fehlerbehandlung fürwc:
wc2 :: String→ IO () wc2 f i l e =
catch (wc f i l e )
(λe → putStrLn $ " Fehler : ␣"++ show (e :: IOException ))
I IOError kann analysiert werden (sieheSystem.IO.Error)
I readmit Ausnahme bei Fehler (statt Programmabbruch):
readIO :: Read a⇒ String→ IO a
Ausführbare Programme
I Eigenständiges Programm istAktion
I Hauptaktion:main :: IO () in ModulMain
I wcals eigenständiges Programm:
module Main where
import System . Environment ( getArgs ) import Control . Exception
. . .
main :: IO () main = do
args ← getArgs mapM_ wc2 args
So ein Zufall!
I Zufallswerte:
randomRIO :: (α, α)→ IO α
I Warum istrandomIOAktion?
I Beispiele:
I Aktion zufällig oft ausführen: atmost :: Int→ IO α→ IO [α] atmost most a =
do l← randomRIO (1 , most) sequence ( r e p l i c a t e l a)
I Zufälligen String erzeugen: randomStr :: IO String
randomStr = atmost 40 (randomRIO ( ’ a ’ , ’ z ’ ) )
So ein Zufall!
I Zufallswerte:
randomRIO :: (α, α)→ IO α
I Warum istrandomIOAktion?
I Beispiele:
I Aktion zufällig oft ausführen:
atmost :: Int→ IO α→ IO [α]
atmost most a =
do l← randomRIO (1 , most) sequence ( r e p l i c a t e l a)
I Zufälligen String erzeugen:
randomStr :: IO String
randomStr = atmost 40 (randomRIO ( ’ a ’ , ’ z ’ ) )
Funktionen mit Zustand
I Idee: Seiteneffektexplizit machen
I Funktionf :A→B mit Seiteneffekt in ZustandS:
f :A×S →B×S
∼=
f :A→S →B×S
I Datentyp:S →B×S
I Komposition: Funktionskomposition unduncurry
In Haskell: Zustände explizit
I Datentyp: Berechnung mit Seiteneffekt in Typσ (polymorph überα) type State σ α=σ→ (α, σ)
I Komposition zweier solcher Berechnungen:
comp :: State σ α→ (α→ State σ β)→ State σ β comp f g = uncurry g◦ f
I Lifting:
l i f t :: α→ State σ α l i f t = curry id
Beispiel: Ein Zähler
I Datentyp:
type WithCounter α = State Int α
I Zähler erhöhen:
t i c k :: WithCounter () t i c k i = ( ( ) , i+1)
I Zähler auslesen:
read :: WithCounter Int read i = ( i , i )
I Zähler zurücksetzen:
reset :: WithCounter ()
Implizite vs. explizite Zustände
I Nachteil: Zustand istexplizit
I Kanndupliziertwerden
I Daher: Zustandimplizit machen
I Datentypverkapseln
I Signatur State , comp, lift, elementare Operationen
I Beispiel für eineMonade
I Generische Datenstruktur, dieVerkettungvonBerechnungenerlaubt
Aktionen als Zustandstransformationen
I Idee: Aktionen sindTransformationen auf Systemzustand S
I S beinhaltet
I Speicher als AbbildungA*V (AdressenA, WerteV)
I Zustand des Dateisystems
I Zustand des Zufallsgenerators
I In Haskell: TypRealWorld
type IO α= State RealWorld α −−... oder so ähnlich
I “Virtueller” Typ, Zugriff nur über elementare Operationen
I Entscheidend nurReihenfolgeder Aktionen
War das jetzt reaktiv?
I Haskell istfunktional
I Für eine reaktive Sprache fehltNebenläufigkeit
I Nächste Vorlesung: Concurrent Haskell
I Damit könnten wir die Konzepte dieser VL modellieren
I Besser:Scala = Funktional + JVM
Zusammenfassung
I Reaktive Programmierung: Beschreibung derAbhängigkeitvon Daten
I Rückblick Haskell:
I Abhängigkeit von Aussenwelt in TypIO kenntlich
I Benutzung von IO: vordefinierte Funktionen in der Haskell98 Bücherei
I Werte vom TypIO(Aktionen) können kombiniert werden wie alle anderen
I Nächstes Mal:
I Monaden und Nebenläufigkeit in Haskell
Reaktive Programmierung
Vorlesung 2 vom 16.04.15: Monaden und Nebenlaeufigkeit in Haskell
Christoph Lüth & Martin Ring
Universität Bremen
Sommersemester 2015
Fahrplan
I Teil I: Grundlegende Konzepte
I Was ist Reaktive Programmierung?
I Nebenläufigkeit und Monaden in Haskell
I Funktional-Reaktive Programmierung
I Einführung in Scala
I Die Scala Collections
I ScalaTest und ScalaCheck
I Teil II: Nebenläufigkeit
I Teil III: Fortgeschrittene Konzepte
Speisekarte
I Das Geheimnis der Monade
I Concurrent Haskell
Zustandsübergangsmonaden
I Aktionen (IO a) sind keine schwarze Magie.
I Grundprinzip: Systemzustand Σ wird explizit behandelt.
f ::a→IO b ∼= f :: (a,Σ)→(b,Σ) FolgendeInvariantenmüssen gelten:
I Systemzustand darfnie dupliziertodervergessenwerden.
I Auswertungsreihenfolge muss erhalten bleiben.
I KompositionmussInvarianten erhalten Zustandsübergangsmonaden
Komposition von Zustandsübergängen
I Im Prinzip Vorwärtskomposition:
(=) :: ST s a→ (a→ ST s b)→ ST s b
(=) :: ( s→ (a , s ))→ (a→ s→ (b , s ))→ ( s→ (b , s )) (=) :: ( s→ (a , s ))→ ((a , s )→ (b , s ))→ ( s→ (b , s ))
I Damit f =g =uncurry g◦f
I Aber:ST kannkein Typsynonymsein
I Nötig:abstrakter Datentyp um Invariantenzu erhalten
ST als Abstrakter Datentyp
I Datentyp verkapseln:
newtype ST s a = ST ( s→ (a , s ))
I Hilfsfunktion (Selektor)
unwrap :: ST s a→ ( s→ (a , s )) unwrap (ST f ) = f
I Damit ergibt sich
f= g = ST ( uncurry (unwrap . g)◦unwrap f ) return a = ST (λs→ (a , s ))
Aktionen
I Aktionen: Zustandstransformationen auf der Welt
I TypRealWorld#repräsentiert Außenwelt
I Typ hat genau einen Wert realworld #, der nur für initialen Aufruf erzeugt wird.
I Aktionen:typeIO a = ST RealWorld# a
I Optimierungen:
I ST s adurchin-place-updateimplementieren.
I IO-Aktionen durcheinfachen Aufrufersetzen.
I Compiler darf keine Redexe duplizieren!
I TypIOstellt lediglichReihenfolge sicher.
Was ist eigentlich eine Monade?
I STmodelliertimperative Konzepte.
I Beobachtung:Andere Konzepte könnenähnlich modelliertwerden:
I Ausnahmen:f :: a-> Maybe bmit Komposition
(=) :: Maybe a→ (a→ Maybe b)→ Maybe b Just a = f = f a
Nothing= f = Nothing
Monads: The Inside Story
class Monad mwhere
(=) :: m a → (a → m b) → m b return :: a → m a
() :: m a → m b → m b f a i l :: String → m a pq = p=λ_ → q
f a i l s = er ro r s
FolgendeGleichungenmüssen (sollten) gelten:
return a =k = k a m =return = m
m =(λx→k x =h) = (m =k)=h
Beispiel: Speicher und Referenzen
I Signatur:
typeMem a
instance Mem Monad
I Referenzen sind abstrakt:
type Ref
newRef :: Mem Ref
I Speicher liest/schreibt String: readRef :: Ref → Mem String writeRef :: Ref → String→ Mem ()
Implementation der Referenzen
Speicher: Liste von Strings, Referenzen: Index in Liste.
type Mem = ST [ String ] −−Zustand type Ref = Int
newRef = ST (λs→ ( length s , s++ [ "" ] ) ) readRef r = ST (λs→ ( s ! ! r , s )) writeRef r v = ST (λs→ ( ( ) ,
take r s ++ [ v ] ++ drop ( r+1) s )) run :: Mem a→ a
run (ST f )= f s t ( f [ ] )
IORef — Referenzen
I Datentyp der Standardbücherei (GHC) import Data . IORef
data IORef a
newIORef :: a → IO (IORef a) readIORef :: IORef a → IO a writeIORef :: IORef a → a → IO ()
modifyIORef :: IORef a → (a → a) → IO ()
atomicModifyIORef :: IORef a → (a → (a , b)) → IO b
I Implementation: “echte” Referenzen.
Beispiel: Referenzen
fac :: Int→ IO Int
fac x = do acc ← newIORef 1 loop acc x where
loop acc 0 = readIORef acc
loop acc n =do t ← readIORef acc writeIORef acc ( t∗ n) loop acc (n−1)
Die Identitätsmonade
I Die allereinfachste Monade:
type Id a = a
instance Monad Id where return a = a
b= f = f b
Die Listenmonade
I Listen sind Monaden:
instance Monad [ ] where m= f = concatMap f m
return x = [ x ] f a i l s = [ ]
I Intuition: f :: a→ [b] Liste der möglichen Resultate
I Reihenfolge der Möglichkeiten relevant?
Fehlermonaden
I Erste Nährung:Maybe
I Maybekennt nurNothing, daher strukturierte Fehler:
data Either a b = Left a | Right b type Error a = Either String a instance Monad ( Either String ) where
( Right a)= f = f a ( Left l ) = f = Left l return b = Right b
I Nachteil: Fester Fehlertyp
I Lösung: Typklassen
Exkurs: Was genau ist eigentliche eine Monade?
I Monade: Konstrukt ausKategorientheorie
I Monade∼= (verallgemeinerter) Monoid
I Monade: gegeben durchalgebraische Theorien
I Operationen endlicher (beschränkter) Aritität
I Gleichungen
I Beispiele:Maybe, List,Set,State, . . .
I Monaden in Haskell:computational monads
I Strukturierte Notation fürBerechnungsparadigmen
I Beispiel: Rechner mit Fehler, Nichtdeterminismus, Zustand, . . .
Konzepte der Nebenläufigkeit
I Thread (lightweight process) vs. Prozess
Programmiersprache/Betriebssystem Betriebssystem (z.B. Java, Haskell, Linux)
gemeinsamer Speicher getrennter Speicher
Erzeugung billig Erzeugung teuer
mehrere pro Programm einerpro Programm
I Multitasking:
I präemptiv:Kontextwechsel wirderzwungen
I kooperativ:Kontextwechsel nurfreiwillig
Zur Erinnerung: Threads in Java
I Erweiterung der KlassenThreadoderRunnable
I Gestartet wird Methoderun()— durch eigene überladen
I Starten des Threads durch Aufruf der Methodestart()
I Kontextwechsel mityield()
I Je nach JVM kooperativoderpräemptiv.
I Synchronisation mitsynchronize
Threads in Haskell: Concurrent Haskell
I SequentiellesHaskell: Reduktion eines Ausdrucks
I Auswertung
I NebenläufigesHaskell: Reduktion eines Ausdrucks anmehreren Stellen
I ghcimplementiert Haskell-Threads
I ModulControl.Concurrententhält Basisfunktionen
I Wenige Basisprimitive, darauf aufbauend Abstraktionen
Wesentliche Typen und Funktionen
I Jeder Thread hat einen Identifier: abstrakter TypThreadId
I Neuen Thread erzeugen:forkIO :: IO()→ IO ThreadId
I Thread stoppen: killThread :: ThreadId →IO ()
I Kontextwechsel: yield :: IO ()
I Eigener Thread:myThreadId :: IO ThreadId
I Warten:threadDelay :: Int → IO ()
Rahmenbedingungen
I Zeitscheiben:
I Tick: Default 20ms
I Contextswitchpro Tick bei Heapallokation
I Änderungen perKommandozeilenoptionen:+RTS -V<time> -C<time>
I Blockierung:
I Systemaufrufe blockierenalle Threads
I Mit threaded library (-threaded) nicht alle
I Aber: Haskell Standard-IO blockiertnur den aufrufenden Thread
Concurrent Haskell — erste Schritte
I Ein einfaches Beispiel:
write :: Char→ IO ()
write c = putChar c write c main :: IO ()
main = forkIO ( write ’X’ ) write ’O’
I Ausgabeghc: (X∗|O∗)∗
Synchronisation mit MVars
I Basissynchronisationmechanismusin Concurrent Haskell
I Alles andereabgeleitet
I MVar averänderbareVariable (vgl. IORef a)
I Entwederleeroder gefülltmit Wert vom Typ a
I Verhalten beim Lesen und Schreiben
Zustand vorher: leer gefüllt
Lesen blockiert(bis gefüllt) danach leer Schreiben danach gefüllt blockiert(bis leer)
NB.Aufwecken blockierter ProzesseeinzelninFIFO
Basisfunktionen MVars
I Neue Variable erzeugen (leer oder gefüllt):
newEmptyMVar :: IO (MVar a) newMVar :: a → IO (MVar a)
I Lesen:
takeMVar :: MVar a → IO a
I Schreiben:
putMVar :: MVar a → a → IO ()
Abgeleitete Funktionen MVars
I Nicht-blockierendes Lesen/Schreiben:
tryTakeMVar :: MVar a → IO (Maybe a) tryPutMVar :: MVar a→ a→ IO Bool
I Änderung der MVar:
swapMVar :: MVar a → a → IO a
withMVar :: MVar a → (a → IO b) → IO b modifyMVar :: MVar a → (a → IO (a , b)) → IO b
I Achtung:race conditions
Ein einfaches Beispiel ohne Synchronisation
I Nebenläufige Eingabe von der Tastatur echo :: String→ IO ()
echo p = forever (do
putStrLn ( "∗∗∗␣Please␣enter␣ l i n e ␣fo r␣"++p) l i n e ← getLine
n ← randomRIO (1 ,100)
replicateM_ n ( putStr (p++ " : "++ l i n e ++"␣" ))) main :: IO ()
main = forkIO (echo "2")echo "1"
I Problem: gleichzeitige Eingabe
I Lösung:MVar synchronisiert Eingabe
Ein einfaches Beispiel ohne Synchronisation
I Nebenläufige Eingabe von der Tastatur echo :: String→ IO ()
echo p = forever (do
putStrLn ( "∗∗∗␣Please␣enter␣ l i n e ␣fo r␣"++p) l i n e ← getLine
n ← randomRIO (1 ,100)
replicateM_ n ( putStr (p++ " : "++ l i n e ++"␣" ))) main :: IO ()
main = forkIO (echo "2")echo "1"
I Problem: gleichzeitige Eingabe
I Lösung:MVar synchronisiert Eingabe
Ein einfaches Beispiel mit Synchronisation
I MVarvoll⇔ Eingabe möglich
I Also: initial voll
I Inhalt der MVar irrelevant:MVar () echo :: MVar ()→ String→ IO () echo f l a g p = forever (do
takeMVar f l a g
putStrLn ( "∗∗∗␣Please␣enter␣ l i n e ␣"++ p) l i n e ← getLine
n ← randomRIO (1 ,100)
replicateM_ n ( putStr (p++ " : "++ l i n e ++"␣" )) putMVar f l a g ())
main :: IO ()
main = do f l a g ← newMVar ()
forkIO (echo f l a g "3") forkIO (echo f l a g "2") echo f l a g "1"
Das Standardbeispiel
I Speisende Philosopen
I Philosophi:
I vor dem Esseni-tes und (i+ 1) modn-tes Stäbchen nehmen
I nach dem Essen wieder zurücklegen
I Stäbchen modelliert alsMVar ()
Speisende Philosophen
philo :: [MVar ( ) ] → Int→ IO () philo chopsticks i = forever (do
let num_phil = length ( chopsticks )
−−Thinking:
putStrLn ( " Phil␣#"++ show i ++"␣thinks. . ." ) randomRIO (10 , 200)= threadDelay
−−Get ready to eat:
takeMVar ( chopsticks ! ! i )
takeMVar ( chopsticks ! ! (( i+1) ‘mod‘ num_phil))
−−Eat:
putStrLn ( " Phil␣#"++ show i ++"␣eats. . ." ) randomRIO (10 , 200)= threadDelay
−−Done eating:
putMVar ( chopsticks ! ! i ) ()
putMVar ( chopsticks ! ! (( i+1) ‘mod‘ num_phil)) ())
Speisende Philosophen
I Hauptfunktion:n Stäbchen erzeugen
I Anzahl Philosophen in der Kommandozeile main = do
a :_ ← getArgs let num= read a
chopsticks ← replicateM num (newMVar ()) mapM_ ( forkIO◦ ( philo chopsticks )) [ 0 . . num−1]
block
I Hilfsfunktionblock: blockiert aufrufenden Thread block :: IO ()
block = newEmptyMVar= takeMVar
Zusammenfassung
I Monaden und andere Kuriositäten
I Zustandsmonade - Referenzen
I Fehlermonaden
I Concurrent Haskellbietet
I Threadsauf Quellsprachenebene
I Synchronisierung mitMVars
I Durchschlankes Designeinfache Implementierung
I Funktionales Paradigma erlaubtAbstraktionen
I Beispiel:Semaphoren
I Nächste Woche: Funktional-Reaktive Programmierung.
Reaktive Programmierung
Vorlesung 3 vom 21.04.15: Funktional-Reaktive Programmierung
Christoph Lüth & Martin Ring
Universität Bremen
Sommersemester 2015
Fahrplan
I Teil I: Grundlegende Konzepte
I Was ist Reaktive Programmierung?
I Nebenläufigkeit und Monaden in Haskell
I Funktional-Reaktive Programmierung
I Einführung in Scala
I Die Scala Collections
I ScalaTest und ScalaCheck
I Teil II: Nebenläufigkeit
I Teil III: Fortgeschrittene Konzepte
Das Tagemenü
I Funktional-Reaktive Programmierung(FRP) istrein funktionale, reaktive Programmierung.
I Sehrabstraktes Konzept — im Gegensatz zu Observables und Aktoren.
I Literatur: Paul Hudak,The Haskell School of Expression, Cambridge University Press 2000, Kapitel 13, 15, 17.
I Andere (effizientere) Implementierung existieren.
FRP in a Nutshell
I Zwei Basiskonzepte
I Kontinuierliches, über der Zeit veränderlichesVerhalten:
type Time = Float
type Behaviour a = Time → a
I Diskrete Ereignissezu einem bestimmten Zeitpunkt:
type Event a = [ (Time, a ) ]
I Obige Typdefinitionen sindSpezifikation, nicht Implementation
Verhalten: erste einfache Beispiele
I Ein kreisender und ein pulsierender Ball:
ci rc , pulse :: Behavior Region
c i r c = t r a n s l a t e ( cos time , s i n time) ( e l l 0.2 0.2) pulse = e l l ( cos time ∗ 0.5) ( cos time ∗ 0.5)
I Was passiert hier?
I Basisverhalten:time :: Behaviour Time,constB :: a →Behavior a
I Grafikbücherei: DatentypRegion, Funktion Ellipse
I Liftings (∗, 0.5, sin, . . . )
Reaktive Animationen: Verhaltensänderung
I Beispiel: auf Knopfdruck Farbe ändern:
color1 :: Behavior Color
color1 = red ‘ untilB ‘ lbp− blue
I Was passiert hier?
I untilB kombiniert Verhalten:
untilB :: Behavior a → Event ( Behavior a) → Behavior a
I =istmapfür Ereignisse:
(=) :: Event a → (a→b) → Event b (− ) :: Event a→ b→ Event b
e− v = e =λ_ → v
I Kombination von Ereignissen:
Reaktive Animationen: Verhaltensänderung
I Beispiel: auf Knopfdruck Farbe ändern:
color2r = red ‘ untilB ‘ ce where
ce = ( lbp − blue ‘ untilB ‘ ce ) .|. (key− yellow ‘ untilB ‘ ce )
I Was passiert hier?
I untilB kombiniert Verhalten:
untilB :: Behavior a → Event ( Behavior a) → Behavior a
I =istmapfür Ereignisse:
(=) :: Event a → (a→b) → Event b (− ) :: Event a→ b→ Event b
e− v = e =λ_ → v Kombination von Ereignissen:
Der Springende Ball
ball2 = paint red ( t r a n s l a t e (x , y) ( e l l 0.2 0.2)) where g = −4
x = −3 + i n t e g r a l 0.5 y = 1.5 + i n t e g r a l v v = i n t e g r a l g ‘ switch ‘
( h i t ‘ snapshot_ ‘ v = λv ’→ l i f t 0 (−v ’ ) + i n t e g r a l g) h i t = when (y <∗ −1.5)
I Nützliche Funktionen:
i n t e g r a l :: Behavior Float → Behavior Float snapshot :: Event a → Behavior b → Event (a , b)
I Erweiterung: Ball ändert Richtung, wenn er gegen die Wand prallt.
Implementation
I Verhalten, erste Annäherung:
data Beh1 a = Beh1 ( [ ( UserAction , Time) ]→ Time→ a)
I Problem:Speicherleck und Ineffizienz
I Analogie: suche insortierten Listen i n L i s t :: [ Int ] → Int → Bool i n L i s t xs y = elem y xs
manyInList ’ :: [ Int ]→ [ Int ]→ [ Bool ] manyInList ’ xs ys = map ( i n L i s t xs ) ys
I Besser Sortiertheit direkt nutzen
manyInList :: [ Int ] → [ Int ] → [ Bool ]
Implementation
I Verhalten werdeninkrementell abgetastet:
data Beh2 a
= Beh2 ( [ ( UserAction ,Time) ] → [Time] → [ a ] )
I Verbesserungen:
I Zeit doppelt, nureinmal
I Abtastung auchohne Benutzeraktion
I Currying
data Behavior a
= Behavior ( ( [Maybe UserAction ] , [ Time] ) → [ a ] )
I Ereignisse sind im Prinzipoptionales Verhalten:
data Event a = Event ( Behaviour (Maybe a))
Längeres Beispiel: Paddleball
I Das Paddel:
paddle = paint red ( t r a n s l a t e ( f s t mouse, −1.7) ( rec 0.5 0.05))
I Der Ball:
pball v e l =
let xvel = v e l ‘stepAccum ‘ xbounce− negate xpos = i n t e g r a l xvel
xbounce = when (xpos >∗ 2 | | ∗ xpos <∗ −2) yvel = v e l ‘stepAccum ‘ ybounce− negate ypos = i n t e g r a l yvel
ybounce = when (ypos >∗ 1.5
| | ∗ ypos ‘between ‘ (−2.0,−1.5) &&∗
f s t mouse ‘between ‘ (xpos−0.25,xpos+0.25)) in paint yellow ( t r a n s l a t e (xpos , ypos) ( e l l 0.2 0.2))
I Die Mauern:
walls :: Behavior Picture
Warum nicht in Scala?
I Lifting und Typklassen fürsyntaktischen Zucker
I Aber: zentrales Konzept sindunendlicheListen (Ströme) mit nicht-strikteAuswertung
I Implementation mit Scala-Listen nicht möglich
I Benötigt:Strömeals unendliche Listen mit effizienter, nicht-strikter Auswertung
I Möglich, aber nicht für diese Vorlesung
I Generelle Schwäche:
I Fundamentalnicht-kompositional— ist gibteineHauptfunktion
I Fehlerbehandlung, Nebenläufigkeit?
Zusammenfassung
I Funktional-Reaktive Programmierung am Beispiel FAL (Functional Animation Library)
I Zwei Kernkonzepte: kontinuierlichesVerhalten und diskreteEreignisse
I Implementiert in Haskell, Systemverhalten als unendlicher Strom von Zuständen
I Erlaubtabstrakte Progammierung vonreaktiven Animationen
I Problem ist mangelndeKompositionalität
I Nächste Vorlesungen:Scala!
Reaktive Programmierung
Vorlesung 4 vom 23.04.15: A Practical Introduction to Scala
Christoph Lüth & Martin Ring
Universität Bremen
Sommersemester 2015
Fahrplan
I Teil I: Grundlegende Konzepte
I Was ist Reaktive Programmierung?
I Nebenläufigkeit und Monaden in Haskell
I Funktional-Reaktive Programmierung
I Einführung in Scala
I Die Scala Collections
I ScalaCheck
I Teil II: Nebenläufigkeit
I Teil III: Fortgeschrittene Konzepte
Heute: Scala
I Ascalable language
I Rein objektorientiert
I Funktional
I Eine “JVM-Sprache”
I Seit 2004 von Martin Odersky, EPFL Lausanne (http://www.scala-lang.org/).
I Seit 2011 kommerziell durch Typesafe Inc.
Scala am Beispiel: 01-GCD.scala
Was sehen wir hier?
I Variablen, veränderlich
I Werte, unveränderlich
I while-Schleifen
I Rekursion — einfache Endrekursion wird optimiert
I Typinferenz — mehr als Java, weniger als Haskell
Scala am Beispiel: 01-GCD.scala
Was sehen wir hier?
I Variablen, veränderlich
I Werte, unveränderlich
I while-Schleifen
I Rekursion — einfache Endrekursion wird optimiert
I Typinferenz — mehr als Java, weniger als Haskell
Scala am Beispiel: 01-GCD.scala
Was sehen wir hier?
I Variablen, veränderlich —Mit Vorsicht benutzen!
I Werte, unveränderlich
I while-Schleifen
I Rekursion — einfache Endrekursion wird optimiert
I Typinferenz — mehr als Java, weniger als Haskell
Scala am Beispiel: 01-GCD.scala
Was sehen wir hier?
I Variablen, veränderlich —Mit Vorsicht benutzen!
I Werte, unveränderlich
I while-Schleifen — Unnötig!
I Rekursion — einfache Endrekursion wird optimiert
I Typinferenz — mehr als Java, weniger als Haskell
Scala am Beispiel: 02-Rational.scala
Was sehen wir hier?
I Klassenparameter
I this
I Methoden, Syntax für Methodenanwendung
I override(nicht optional)
I private Werte und Methoden
I Klassenvorbedingunge (require)
I Overloading
I Operatoren
Scala am Beispiel: 02-Rational.scala
Was sehen wir hier?
I Klassenparameter
I this
I Methoden, Syntax für Methodenanwendung
I override(nicht optional)
I private Werte und Methoden
I Klassenvorbedingunge (require)
I Overloading
I Operatoren
Algebraische Datentypen: 03-Expr.scala
Was sehen wir hier?
I case classerzeugt
I Factory-Methode für Konstruktoren
I Parameter als impliziteval
I abgeleitete Implementierung fürtoString,equals
I strukturelle Gleichheit
I . . . und pattern matching
I Pattern sind
I case 4 =>— Literale
I case C(4) =>— Konstruktoren
I case C(x) =>— Variablen
I case C(_) =>— Wildcards
I case x: C =>— getypte pattern
I case C(D(x: T, y), 4) =>— geschachtelt
Algebraische Datentypen: 03-Expr.scala
Was sehen wir hier?
I case classerzeugt
I Factory-Methode für Konstruktoren
I Parameter als impliziteval
I abgeleitete Implementierung fürtoString,equals
I strukturelle Gleichheit
I . . . und pattern matching
I Pattern sind
I case 4 =>— Literale
I case C(4) =>— Konstruktoren
I case C(x) =>— Variablen
I case C(_) =>— Wildcards
I case x: C =>— getypte pattern
I case C(D(x: T, y), 4) =>— geschachtelt
Implementierung algebraischer Datentypen
Haskell:
data T = C1 | ... | Cn
I Ein TypT
I Konstruktoren erzeugen Datentyp
Scala:
T
C1 . . . Cn
-
I Varianten alsSubtypen
I Problem und Vorteil:
Erweiterbarkeit
I sealedverhindert Erweiterung
Implementierung algebraischer Datentypen
Haskell:
data T = C1 | ... | Cn
I Ein TypT
I Konstruktoren erzeugen Datentyp
Scala:
T
C1 . . . Cn
-
I Varianten alsSubtypen
I Problem und Vorteil:
Erweiterbarkeit
I sealedverhindert Erweiterung
Das Typsystem
Behandelt:
I Werte vs. Objekte
I Scala vs. Java
I NULLreferences
Vererbungshierarchie
Quelle: Odersky, Spoon, Venners:Programming in Scala
Parametrische Polymorphie
I Typparameter (wie in Java, Haskell), Bsp.List[T]
I Problem: Vererbung und Polymorphie
I Ziel: wennS<T, dann List[S]<List[T]
I Problem:Ref.hs
I Warum?
I Funktionsraum nicht monoton im ersten Argument
I SeiX ⊆Y, dann Z −→X ⊆Z −→Y, aberX −→Z 6⊆Y −→Z
Typvarianz
class C[+T]
I Kovariant
I S<T, dann C[S]<C[T]
I ParameterTnicht in Def.bereich
class C[T]
I Rigide
I Kein Subtyping
I Parameter Tkann beliebig verwendet werden
class C[-T]
I Kontravariant
I S<T, dann C[T]<C[S]
I ParameterTnicht in Wertebereich Beispiel:
class Function[-S, +T] { def apply(x:S) : T }
Traits: 04-Funny.scala
Was sehen wir hier?
I Traits(Mix-ins): abstrakte Klassen, Interfaces; Haskell: Typklassen
I Unterschied zu Klassen:
I Keine Parameter
I Keine feste Oberklasse (superdynamisch gebunden)
I Nützlich zur Strukturierung:
thin interface+trait=rich interface Beispiel:04-Ordered.scala,04-Rational.scala
Was sind Traits?
I Trait≈Abstrakte Klasse ohne Parameter:
trait Foo[T] { def foo: T
def bar: String = "Hallo"
}
I Erlauben “Mehrfachvererbung”:
class C extends Foo[Int] with Bar[String] { ... }
I Können auch als Mixins verwendet werden:
trait Funny {
def laugh() = println("hahaha") }
(new C with Funny).laugh() // hahaha
Implizite Parameter
I Implizite Parameter:
def laugh(implicit stream: PrintStream) = stream.println("hahaha")
I Werden im Kontext des Aufrufs aufgelöst. (Durch den Typen)
I Implizite Parameter + Traits≈ Typklassen:
trait Show[T] { def show(value: T): String } def print[T](value: T)(implicit show: Show[T]) =
println(show.show(value))
implicit object ShowInt extends Show[Int] { def show(value: Int) = value.toString }
print(7)
Implizite Parameter
I Implizite Parameter:
def laugh(implicit stream: PrintStream) = stream.println("hahaha")
I Werden im Kontext des Aufrufs aufgelöst. (Durch den Typen)
I Implizite Parameter + Traits≈ Typklassen:
trait Show[T] { def show(value: T): String } def print[T](value: T)(implicit show: Show[T]) =
println(show.show(value))
implicit object ShowInt extends Show[Int] { def show(value: Int) = value.toString }
print(7)