柯里化与函数组合配合可构建清晰、可复用、声明式的数据处理管道：柯里化将多参函数转为单参函数链以预置参数，函数组合作为骨架从右到左串联纯函数，二者协同要求函数单参、数据参数置尾，并推荐使用lodash/fp等函数式库。
柯里化（Currying）和函数组合（Compose）配合，能构建出清晰、可复用、声明式的数据处理管道——核心在于让每个函数只专注一个职责，通过参数预置与顺序拼接实现“数据流自动穿行”。
柯里化：把多参函数变成一连串单参函数
柯里化不是简单地“拆参数”，而是生成一个接受部分参数后返回新函数的闭包。关键在于固定前置参数、延迟执行，为后续组合预留接口。
- 基础实现示例：const add = a => b => a + b; —— add(2) 返回函数，add(2)(3) 才得 5
- 实用场景：预置配置项，如 const filterByStatus = status => arr => arr.filter(item => item.status === status);
→ filterByStatus('active') 可直接传入数组，天然适配 compose - 注意：原生函数需手动柯里化，或用工具如 lodash/fp.curry（它默认支持占位符和自动柯里化）
函数组合：从右到左串起纯函数链
Compose 把多个单参函数按顺序“叠起来”，形成一个新函数：输入数据 → 经过最右边函数 → 结果传给左边函数 → …… → 输出最终值。这是管道的骨架。
- 简易实现：const compose = (...fns) => x => fns.reduceRight((acc, fn) => fn(acc), x);
- 典型组合链：const processUsers = compose(
map(transformUser),
filterByStatus('active'),
>sortBy('name')
);
→ 调用 processUsers(userList) 即完成三步转换 - 优势：无需中间变量、无副作用、易测试、可复用子链（比如单独导出 filterByStatus('active')）
柯里化 + Compose 的协同要点
二者真正“优雅”的结合，依赖三个设计习惯：
- 所有参与组合的函数必须是单参的：柯里化确保即使原始逻辑需要多个配置，也能产出单参函数（如 debounce(300)(handler)）
- 数据参数永远放在最后：这是柯里化能“留空”数据入口的前提。例如 map(fn)(list) 比 map(list)(fn) 更符合组合直觉
- 优先使用函数式库的 fp 版本：如 lodash/fp 中的 map、filter、get 等默认柯里化且数据在末位，开箱即用
一个真实数据管道示例
假设从 API 获取用户列表，需过滤活跃用户 → 提取姓名和邮箱 → 按邮箱域名分组：
- import { flow, filter, map, groupBy, get } from 'lodash/fp';
- const extractDomain = email => email.split('@')[1];
-
const pipeline = flow(
filter({ status: 'active' }),
map({ name: 'name', email: 'email' }),
groupBy(flow(get('email'), extractDomain))
); - 调用 pipeline(userData) —— 数据自动流经每一步，逻辑自解释，调试时可逐段提取验证
不复杂但容易忽略：柯里化提供灵活性，Compose 提供结构性，两者合体才让“写代码像搭积木”成为日常实践。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
