如何更简洁地重构Ramda异步管道以符合函数式编程风格？

我刚接触Ramda编程，已经把一个异步函数重构为以下无点风格，但如果更熟悉Ramda工具函数的话，我觉得可以进一步精简代码。

初始代码：

currentPercentage: R.pipeWith(R.andThen)([
  async sloId => ({ sloId, slo: await SLOs.read(sloId) }),
  async ({ sloId, slo }) => ({ slo, stream: await Streams.findBySLOId(sloId) }),
  async ({ slo, stream }) => ({ slo, events: await Streams.readEvents(stream.id) }),
  async ({ slo, events }) => currentPercentage(slo.denominator)(interpret(events)),
]),

我希望进一步利用Ramda工具函数，以地道的函数式风格重写这段代码，减少需要在脑中梳理的变量数量，让代码更易懂。我设想的伪代码示例如下（可能并非正确的重构方向）：

currentPercentage: R.pipeWith(R.andThen)([
  wrap,
  merge("slo", SLOs.read),
  merge("stream", Streams.findBySLOId),
  merge("events", Streams.readEvents),
  async ({ slo, events }) => currentPercentage(slo.denominator)(interpret(events)),
]),

我猜测应该使用R.merge和R.pick函数，但不确定如何在此场景下有效使用，或许有其他工具函数可以胜任。也有可能当前代码已经是最简形式。

更新
经过一些尝试，我已将代码重构为：

currentPercentage: asyncPipe(loadSLOandResults(SLOs, Streams), currentPercentage),

const loadSLOandResults = (SLOs: SLOsAPI, Streams: StreamsAPI) =>
  asyncPipe(
    SLOs.read,
    async slo => ({ slo, stream: await Streams.findBySLOId(slo.id) }),
    async ({ slo, stream }) => ({ slo, results: interpret(await Streams.readEvents(stream.id)) })
  )

我修改了currentPercentage的函数签名，使其与loadSLOandResults的返回值匹配，还创建了一个asyncPipe工具函数来简化代码。

你可以封装一个通用的mergeAsyncProp函数，结合Ramda的pipeWith和andThen来实现你设想的简洁风格，完全贴合函数式范式，同时减少变量的显式传递：

首先定义这个工具函数：

// 通用异步属性合并函数：接收属性名和异步函数，返回一个能将异步结果合并到输入对象的函数
const mergeAsyncProp = (propName, asyncFn) => async (input) => {
  const value = await asyncFn(input);
  return R.merge(input, R.objOf(propName, value));
};

然后就可以像你设想的那样重构初始代码：

currentPercentage: R.pipeWith(R.andThen)([
  // 第一步：把传入的sloId包装成对象，为后续属性合并做准备
  R.objOf('sloId'),
  // 合并slo属性：从对象中取sloId，调用SLOs.read后合并到对象
  mergeAsyncProp('slo', R.prop('sloId')),
  // 合并stream属性：从对象中取sloId，调用Streams.findBySLOId后合并
  mergeAsyncProp('stream', R.pipe(R.prop('sloId'), Streams.findBySLOId)),
  // 合并events属性：用Ramda的path简化嵌套属性取值，调用Streams.readEvents后合并
  mergeAsyncProp('events', R.pipe(R.path(['stream', 'id']), Streams.readEvents)),
  // 最终计算步骤
  async ({ slo, events }) => currentPercentage(slo.denominator)(interpret(events)),
]),

额外优化点 #

1. 如果你的asyncPipe是(...fns) => R.pipeWith(R.andThen)(fns)的封装，那它和Ramda原生的写法等价，可以继续沿用，能让代码更简洁。
2. 最终计算步骤也可以用Ramda风格改造（前提是不牺牲可读性）：

R.pipe(
  R.juxt([R.path(['slo', 'denominator']), R.pipe(R.prop('events'), interpret)]),
  ([denominator, interpretedEvents]) => currentPercentage(denominator)(interpretedEvents)
)

重构优势 #

• 完全消除了中间变量的显式声明，数据传递全靠管道和属性合并完成，减少认知负担
• mergeAsyncProp是通用工具函数，可复用在其他异步属性合并场景
• 每一步职责清晰：包装输入、合并slo、合并stream、合并events、计算结果，符合单一职责原则

内容的提问来源于stack exchange，提问作者iulspop