如何利用隐式参数实现FRP？

Question

我正在学习马丁·奥德斯基的反应规划原理。当谈到一个简单玻璃钢框架的实现时，他在一开始给出了一个使用StackableVariable(即DynamicVairable)来跟踪当前更新的信号的方法，这一点我可以理解。但是在幻灯片的末尾，他提到了一个更清晰的解决方案是使用隐式参数而不是DynamicVariable。有人能告诉我怎么做吗？

Answer 1

到幻灯片的链接对我没有用。当我尝试搜索它时，我现在使用1作为参考。

动态变量是一个线程局部变量，它保存当前计算什么信号的状态。这是必要的，以便信号的应用方法可以访问这些信息。让我们考虑下面的示例代码：

val a: Signal[Int] = ???
val b: Signal[Int] = ???
val xPlusY: Signal[Int] = Signal(a() + b())

在这里，当调用a()时，它将自己添加到当前计算信号的依赖项列表中。由于其他任何地方都无法访问这些信息，因此我们基本上使用线程本地a.k.a。全局变量

这个解决方案有一些问题。例如，如果不在任何a()中，我们也可以调用Signal()。另外，我们必须使用一个全局变量。

解决方案是通过一个隐式参数将此信息提供给a()：我们将签名更改为

Signal[T]#apply(): T

至

Signal[T]#apply()(implicit triggeredBy: Signal[_])

(请注意，我们可能希望使用一些新类型的TriggeredBy来封装一个信号)

这样，该方法的实现将可以访问其原始信号，而不需要全局/线程局部变量。

但现在我们必须以某种方式提供这个隐含的信息。选项之一是将信号创建函数的签名更改为

def Signal.apply[T](fun: => T): Signal[T]

至

def Signal.apply[T](fun: Signal[_] => T): Signal[T]

不幸的是，我们的示例代码的语法必须改变，因为我们必须提供一个函数而不是一个主体：

val xPlusY: Signal[Int] = Signal { implicit triggeredBy => a() + b() }

对于这个问题，有几种解决办法：

• 等待隐式函数类型已经实现2。这种情况可能不会在短期内发生，但它将允许我们按以下方式编写Signal.apply签名： def Signal.applyT：SignalT 然后能够再次编写Signal(a() + b())。
• 使用一些宏魔术将表单Signal(a() + b())的代码转换为Signal.internalApply(implicit triggeredBy => a() + b())代码。这意味着，Signal.apply现在是一个宏。这就是scala.rx3.所走的道路，从使用的角度来看，它运行得很好。这也允许我们再次编写Signal(a() + b())。

更新：指向隐式函数的更新链接，解释到更详细的博客文章