무한 스트림
끝없이 이어지는 데이터를 안전하게 모델링해 보세요.
무한 스트림은(는) CoddyKit의 무료 Scala for Backend Engineering & Functional Programming 강의입니다. 이것은 4개 중 3번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 Scala for Backend Engineering & Functional Programming 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. Scala for Backend Engineering & Functional Programming 강의에는 총 4개의 강의가 포함되어 있습니다.
안전하게 무한대 다루기
LazyList는 꼬리가 요청될 때까지 계산되지 않으므로 무한 시퀀스를 표현할 수 있습니다. 소비하는 접두부만 실제로 생성하면 됩니다.
따라서 자연수, 소수 또는 센서 측정값을 미리 범위를 정하지 않고 모델링할 수 있습니다.
모든 자연수
LazyList.from(1)은 1, 2, 3, ...으로 이어지는 무한 시퀀스입니다. 유한한 접두부는 원하는 만큼 가져올 수 있습니다.
전체를 평가하면 끝나지 않으므로 항상 take으로 일부를 자르거나 조건자로 중단하십시오.
object Demo extends App {
val nats = LazyList.from(1)
println(nats.take(5).toList)
}단계가 있는 from
LazyList.from(start, step)은 일정한 간격으로 수를 셉니다. 짝수, 시간 간격 신호 또는 산술 수열을 만들 때 사용하십시오.
시퀀스는 무한하지만 take를 호출할 때마다 요청한 만큼만 평가를 강제합니다.
object Demo extends App {
val evens = LazyList.from(0, 2)
println(evens.take(5).toList)
}자기 참조 스트림
유명한 기법이 있습니다. LazyList를 자기 자신을 사용해 정의하는 것입니다. 피보나치 수열은 스트림을 자신의 꼬리와 zip하여 작성할 수 있습니다.
각 셀을 가져올 때까지 꼬리가 평가되지 않기 때문에만 이 방식이 동작합니다.
lazy val fibs: LazyList[Int] =
0 #:: 1 #:: fibs.zip(fibs.tail).map { case (a, b) => a + b }
// fibs(0)=0, fibs(1)=1, fibs(2)=1 ...피보나치 실행하기
자기 참조 피보나치 스트림의 앞부분을 평가해 보겠습니다.
각 새 요소는 이미 메모이제이션된 이전 요소에서 계산되므로 더 많은 값을 가져와도 전체가 효율적으로 유지됩니다.
object Demo extends App {
lazy val fibs: LazyList[Int] =
0 #:: 1 #:: fibs.zip(fibs.tail).map { case (a, b) => a + b }
println(fibs.take(10).toList)
}시퀀스에 iterate 사용하기
LazyList.iterate는 단계 함수로 무한 시퀀스를 생성합니다. 거듭제곱, 기하급수적 증가, 상태 기계를 자연스럽게 표현할 수 있습니다.
여기서는 각 요소가 이전 요소의 세 배가 되어 영원히 이어집니다.
object Demo extends App {
val triples = LazyList.iterate(1)(_ * 3)
println(triples.take(6).toList)
}소수 체
에라토스테네스의 체에는 무한 스트림이 특히 잘 어울립니다. 머리의 소수를 가져오고, 나머지에서 그 배수를 filter한 다음 재귀적으로 반복합니다.
filter가 지연되므로 소수를 소비하는 대로 하나씩 생성합니다.
def sieve(s: LazyList[Int]): LazyList[Int] =
s.head #:: sieve(s.tail.filter(_ % s.head != 0))
val primes = sieve(LazyList.from(2))체 실행하기
이제 무한 소수 체에서 처음 열 개의 소수를 가져와 보겠습니다.
소수 열 개를 얻는 데 필요한 만큼만 기반 숫자 스트림의 평가를 강제하므로, 요구에 따른 계산을 확인할 수 있습니다.
object Demo extends App {
def sieve(s: LazyList[Int]): LazyList[Int] =
s.head #:: sieve(s.tail.filter(_ % s.head != 0))
val primes = sieve(LazyList.from(2))
println(primes.take(10).toList)
}전체를 절대 평가하지 않기
length처럼 전체 시퀀스가 필요한 메서드, 제한되지 않은 스트림에서의 toList, 또는 중단 조건이 없는 foreach는 무한 LazyList에서 멈추게 됩니다.
항상 먼저 take, takeWhile 또는 find로 범위를 제한하십시오.
// DON'T: LazyList.from(1).toList // hangs forever
val ok = LazyList.from(1).take(3).toList머리를 유지하는 함정
val이 무한하고 메모이제이션되는 LazyList의 머리를 보유한 상태에서 멀리까지 소비하면, 평가된 모든 셀이 계속 살아 있어 메모리 누수가 발생합니다.
긴 순회에서는 머리를 바인딩하지 않는 메서드를 통해 소비하거나 Iterator를 사용하십시오.
무한 스트림이 중요한 이유
무한 스트림을 사용하면 생성과 소비를 분리할 수 있습니다. 생산자는 끝없는 규칙을 설명하고 소비자는 얼마만큼 실체화할지 결정합니다.
이는 파이프라인, 시뮬레이션, 지연 데이터 원본을 위한 강력한 함수형 패턴입니다.
빠른 확인
무한 LazyList에 대한 이해도를 확인해 보십시오.
복습
무한 LazyLists가 작동하는 이유는 꼬리가 수요에 따라 생성되기 때문입니다. from, iterate, 자기 참조 방식의 fibs, 소수 체는 모두 끝없이 생성되지만, 실제로는 소비하는 만큼만 평가됩니다.
전체 시퀀스에 적용하는 연산과 헤드를 붙잡아 두는 방식을 피하십시오. 이제 지연 방식으로 가져오고 필터링하는 방법을 익혀 보겠습니다.
자주 묻는 질문
“무한 스트림” 강의는 무료인가요?
네 — “무한 스트림” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 Scala for Backend Engineering & Functional Programming 강의 전체를 잠금 해제할 수 있습니다. Scala for Backend Engineering & Functional Programming 강의에는 총 4개의 강의가 포함되어 있습니다.
“무한 스트림”에서 뭘 배우나요?
끝없이 이어지는 데이터를 안전하게 모델링해 보세요. 브라우저에서 직접 실행하는 실습 코드로 Scala for Backend Engineering & Functional Programming을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.
Scala for Backend Engineering & Functional Programming을(를) 시작하는 데 경험이 필요한가요?
사전 경험은 필요하지 않습니다. CoddyKit의 Scala for Backend Engineering & Functional Programming은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 3번째 강의입니다.
“무한 스트림” 강의는 얼마나 걸리나요?
대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.
이 Scala for Backend Engineering & Functional Programming 강의에서 코드를 작성하고 실행할 수 있나요?
네. 모든 Scala for Backend Engineering & Functional Programming 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.