3. 函数式编程与高阶函数
本章聚焦纯函数、不可变、柯里化、偏函数、尾递归优化等核心概念，拆解面试官考察意图，提供可迁移回答模板。理解这些概念不仅是为了掌握语法，更是为了展示系统架构设计中的可测试性、并发安全性及性能优化思路。
面试问题1：什么是纯函数？请举例说明。
面试官考察点： 确认候选人是否理解函数式编程基石——无副作用与引用透明，以及纯函数对可测试性、并发安全的影响。
回答框架：
- 给出纯函数的两大特征：相同的输入永远得到相同的输出、不修改任何外部状态。
- 说明其重要性：易于测试、可缓存、可并行。
- 举例：
def add(a: Int, b: Int): Int = a + b是纯函数；var count = 0; def inc(): Int = { count += 1; count }不是。 - 延伸：在 Scala 中尽量用
val，避免var和局部副作用。
简短示例回答：
纯函数是输出完全由输入决定且无副作用的函数。例如 def increment(x: Int): Int = x + 1。好处是天然线程安全，易于单元测试。我在项目中利用纯函数设计无状态计算模块，结合 Future 实现高并发，代码可读性和可维护性明显提升。
可能追问：
- 纯函数在 Spark 中如何体现？
- 如何用 Scala 的
cats或ZIO保证纯函数？ - 纯函数与高阶函数的关系？
map/flatMap）说明如何将业务逻辑封装为纯函数。避免说“纯函数就是没有返回值”，那是混淆了过程与函数。面试问题2：函数式编程中不可变性的优点是什么？Scala 如何支持不可变数据结构？
面试官考察点： 考察对不可变数据在工程中价值的理解，以及 Scala 集合库 scala.collection.immutable 的掌握程度。
回答框架：
- 优点：消除竞态条件、简化调试、方便引用透明。
- Scala 默认集合是不可变的，如
List,Vector,Map等。 - 通过
val声明变量 + 不可变集合实现函数式编程。 - 当需要“修改”时，返回新副本，底层使用共享结构（持久化数据结构）保证性能。
简短示例回答：
不可变数据避免共享状态引起的并发 Bug。Scala 默认 List、Map 均为不可变，例如 val list = List(1,2,3); val newList = 0 :: list 不改变原列表。在 Akka 中 Actor 状态就是不可变的快照，有效减少锁竞争，提升系统吞吐。
可能追问：
- 不可变集合的内存与性能开销如何？
- Scala 的
var配合不可变集合与val配合可变集合，哪个更推荐？ - 如何在需要高性能时平衡不可变性？
面试问题3：请解释柯里化、偏函数和尾递归优化的概念及使用场景。
面试官考察点： 考察对高阶函数常用技术的理解，尤其是如何将概念应用到实际架构（如配置注入、异常处理、递归优化）。
回答框架：
- 柯里化：将多参数函数拆分为一系列单参数函数链，便于部分应用和类型推导。
- 偏函数：只对部分输入值定义的函数，用
PartialFunction表示，可通过orElse组合。 - 尾递归优化：递归调用在最后一步，Scala 用
@tailrec注解让编译器生成循环，防止栈溢出。 - 使用场景：柯里化用于依赖注入、配置；偏函数用于模式匹配、异常处理；尾递归用于大数据量的递归算法。
简短示例回答：
柯里化如 def add(a: Int)(b: Int) = a + b，可固定一个参数构造专用函数。偏函数如 val pf: PartialFunction[Int, String] = { case 1 => "one" }，结合 collect 使用。尾递归用 @tailrec 保证递归安全，例如计算阶乘时避免栈溢出。我在实时流计算中利用柯里化注入配置，偏函数处理异常事件，尾递归优化了树形聚合算法。
可能追问：
- 柯里化与部分应用的区别是什么？
- 偏函数与普通函数的转换？
- Scala 编译尾递归时有什么限制？