第3章：函数式编程与高阶函数应用 — map/flatMap/filter/fold
函数式编程是Scala面试的必考核心，围绕高阶函数（map、flatMap、filter、fold）的思维模式与组合技巧，考察候选人对不可变性、组合子、副作用隔离的理解。本章拆解典型面试场景与真实项目案例，帮你建立从“能用”到“会讲”的表达框架。
高阶函数四剑客对比
| 函数 | 签名示意 | 核心用途 | 面试高频考点 |
|---|---|---|---|
| map | List[A] → (A ⇒ B) → List[B] | 对每个元素做变换，保持结构 | 与flatMap区别、惰性求值 |
| flatMap | List[A] → (A ⇒ List[B]) → List[B] | 映射并展平一层嵌套 | 结合Option、for推导理解 |
| filter | List[A] → (A ⇒ Boolean) → List[A] | 按谓词保留元素 | 蕴含短路优化（Stream/LazyList） |
| fold | List[A] → (B, (B, A) ⇒ B) → B | 遍历并归约，积累结果 | 左折叠 vs 右折叠、尾递归优化 |
问题1：map 与 flatMap 的本质区别是什么？什么时候该用哪个？
面试官考察点：是否理解映射与展平的组合语义，能否通过 Option/List 等容器具象说明。
回答框架：类型签名对比 → 典型场景（map 用于1对1变换；flatMap 用于1对多或单层展平） → 结合 for 推导说明语法糖。
示例回答：“map 将容器内每个元素通过函数变换，容器结构不变；flatMap 则要求函数返回容器，再展平一层。例如解析字符串为整数列表：`List("1,2").flatMap(_.split(",").toList)` 得到 `List("1","2")`，map 则返回嵌套。”
— 约85字
可能追问：Option 上 flatMap 与 map 的行为差异？for 推导中 flatMap 与 map 的转换关系？
问题2：filter 在 Stream/LazyList 中与 List 中有何不同？如何保持惰性？
面试官考察点：是否了解惰性求值对过滤操作的影响，以及短路优化。
回答框架：严格求值 vs 惰性求值 → 中间操作的合并（fusion） → 无限集合下的过滤示例。
示例回答：“对 List 使用 filter 会立即遍历整个集合生成新集合。对 LazyList，filter 只在求值时触发计算，且支持短路：`LazyList.from(1).filter(_ % 2 == 0).take(2).toList` 只在找到2个偶数后停止遍历，性能优越。”
— 约90字
可能追问：filter 与 withFilter 的区别？Spark RDD 中 filter 是宽依赖还是窄依赖？
问题3：用 foldLeft 实现一个尾递归版本的 reverse，并说明为什么不能直接用 foldRight？
面试官考察点：对 fold 左右折叠的理解、尾递归优化、栈安全性。
回答框架：foldLeft 累加器作为构建容器 → 每次 prepend 元素实现反转 → 与 foldRight 对比（foldRight 无法尾递归）。
示例回答：“`foldLeft(List.empty[A]){(acc, e) ⇒ e :: acc}` 即可反转。foldRight 因为要从右开始，无法利用累加器进行尾递归，Scala 标准库使用反向 + foldLeft 避免栈溢出。”
— 约70字
可能追问：foldRight 对无限列表是否可用？如何用 foldRight 实现 map？
项目案例：用户行为聚合管道
| 项目名称 | 实时用户行为事件聚合服务 |
| 业务背景 | 为推荐系统提供过去1小时内用户点击/购买行为的统计特征（次数、品类偏好等） |
| 规模指标 | 日处理事件5亿条；聚合窗口10分钟滑动；服务RT<200ms；单机内存限制2GB |
| 技术栈 | Scala 2.13, Akka Streams, Redis (hash + ZSET), 函数式 pipeline 设计 |
| 核心难点 | 1) 窗口内去重与计数使用 flatMap + groupBy + map … 2) 内存控制：filter 掉过期事件，foldLeft 维护滑动窗口状态 |
| 面试高频追问 | 为什么选择 flatMap 而不是 map + flatten？如何处理反压与背压？foldLeft 的累加器如何处理并发？ |
| 可迁移回答话术 | “我们在处理用户事件流时，用 flatMap 将一次会话的多个事件展平，再通过 groupBy + map 形成 key→count 的映射，最后用 foldLeft 增量更新 Redis ZSET。这套组合既保持了函数式不变性，又利用惰性聚合避免了中间集合溢出。” |