函数式设计模式优化递归遍历的核心是用不可变性、纯函数和组合思想解耦遍历逻辑，通过备忘录消除重复计算、尾递归重构执行模型、高阶函数抽象策略、生成器实现按需遍历。
函数式设计模式优化递归遍历，核心不是“让递归跑得更快”，而是用不可变性、纯函数和组合思想，把遍历逻辑从副作用和状态耦合中解耦出来。它不回避递归本身，但通过结构化封装，让递归更安全、可复用、易测试。
用备忘录（Memoization）消除重复子问题
当树结构存在大量重复路径访问（比如多路径可达同一节点、动态规划式子树复用），直接递归会指数级爆炸。备忘录把“输入→输出”映射缓存起来，首次计算后直接命中。
- 在 JavaScript 中可用 Map 或 WeakMap 缓存节点引用到结果的映射，避免深比较开销
- 在 Java 中配合 Supplier
+ ConcurrentHashMap 实现懒加载缓存，支持并发安全 - PHP 可用静态数组或 SplObjectStorage 存储对象实例与结果绑定，注意生命周期管理
- 关键点：缓存键必须唯一标识子问题——通常是节点 ID + 遍历上下文（如 depth、filterType）组合
用尾递归+累积参数重构执行模型
尾递归本身不解决栈溢出（多数语言不自动优化），但它把递归转化为“参数传递+跳转”，为后续转成循环或 CPS（续体传递风格）铺路。
- 例如树的前序遍历，把 path、sum、level 等中间状态全作为参数传入，不再依赖闭包或外部变量
- 函数签名变成 traverse(node, accPath, accSum, depth)，每次调用只更新参数，不嵌套新栈帧
- 这种形式天然支持“递归→循环”的机械转换，也便于做运行时深度限制（如 depth > MAX_DEPTH 则提前返回）
用高阶函数抽象遍历策略
把“遍历动作”和“业务逻辑”分离。定义 mapNode、filterNode、reduceTree 等纯函数，接受一个 transformer 函数作为参数，自身不持有状态。
- reduceTree(f, init, node) → 对每个节点应用 f(acc, node)，自底向上聚合（适合后序）
- mapTree(transform, node) → 返回新树结构，原树不变，适合不可变数据流场景
- filterTree(predicate, node) → 返回满足条件的子树副本，不修改原始结构
- 优势：业务代码只写 transform 或 predicate，无需关心递归怎么走；测试只需 mock 单个函数，不用构造整棵树
用生成器（Generator）实现按需求值
对超大或无限树（如文件系统模拟、AST 动态生成），一次性遍历内存爆炸。生成器把递归“暂停-恢复”化，每次只产出一个节点。
- Python 中用 yield from 链接子生成器，天然支持递归展开
- JavaScript 中 function* 可 yield 当前节点，再 yield* 子树，调用方用 for...of 按需消费
- 配合 take(10)、findFirst 等组合操作，真正实现“找到就停”，不浪费计算资源
- 注意：生成器仍用调用栈，但因不保留全部中间结果，内存占用远低于全量递归或迭代栈
