使用Haskell和Polysemy构建整洁架构的实现
2024-05-31 22:56:37作者:裘旻烁
该项目是一次尝试,利用Haskell和其强大的Polysemy库来创建一个符合整洁架构原则的多层REST应用程序。开发者旨在展示如何使用代数效应系统在软件系统的不同部分之间保持清晰的关注点分离,从而提高组件的组合性和可测试性。
1、项目介绍
这个项目源于作者在编写《为什么Haskell重要》时的一个小示例应用,该应用试图展示一个纯函数和不纯代码之间严格分离的REST应用。然而,作者发现在测试阶段无法独立地测试控制器,尤其是在涉及Servant的HTTP处理器时。在研究了包括eff、extensible-effects、fused-effects和freer-simple等在内的各种代数效应系统后,他选择了Polysemy,并基于它重构了应用。这个新的实现使得在处理多种效果(如持久化、日志记录、配置、错误处理等)的同时,还能为测试提供替代实现功能。
2、项目技术分析
项目采用了以下关键技术:
- Haskell:一种静态类型、强类型的函数式编程语言,以其纯净性和类型安全性而闻名。
- Polysemy:一个代数效应库,允许将效果的定义与解释分离开来,这有助于保持代码的干净和模块化。
通过将效果分为两个部分——效果的声明和它们的解释,可以编写混合了不同效果的代码,但在测试中可以使用替代效果来隔离测试组件。
3、项目及技术应用场景
这个项目是一个小型精品餐厅的预订系统,每天最多接受20个预订,每个预订最多占用20个座位。应用的业务逻辑采用纯函数实现,以满足"清洁"架构的要求。此外,项目展示了如何在不同层次上(领域层、用例层、接口适配器层和外部接口层)运用这些原则,以确保各个组件之间的松耦合。
4、项目特点
- 清晰的职责划分:遵循整洁架构的原则,项目划分为四个层次,每个层次都有明确的责任范围,确保各组件专注于自己的任务。
- 高测试性:由于业务逻辑是纯函数,因此可以无需依赖外部元素进行测试。
- 低耦合度:UI和数据库被视为外部组件,允许自由更换而不影响核心业务逻辑。
- 灵活性:不受特定软件库或框架限制,可以按需选择工具。
- 利用代数效应:使用Polysemy来管理不同的效果,提升代码的可组合性和可测试性。
总的来说,如果你对使用Haskell构建高效且可维护的REST服务感兴趣,或者想了解如何利用代数效应来实践清洁架构,这个项目提供了宝贵的参考和学习机会。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
343
146