惰性求值在JavaScript中用于延迟执行计算，直到需要结果时才运行，可提升性能。例如处理大数据集或图片懒加载时，避免不必要的开销。通过lazy函数实现首次调用计算并缓存结果，后续调用直接返回缓存。扩展为LazyChain类可支持链式操作，通过map添加变换、force触发执行，适用于数据流处理。与记忆化不同，惰性求值关注“是否执行”，记忆化关注“重复输入”的缓存。两者可结合使用，根据场景选择或组合优化策略。
延迟计算，简单来说，就是把计算推迟到真正需要结果的时候才执行。在JavaScript里，这可以避免不必要的计算，尤其是在处理大数据集或者复杂的计算逻辑时。想象一下，你只需要一个数组的前几个元素，如果立即计算整个数组，那效率就太低了。
function lazy(func) {
let result;
let calculated = false;
let args = Array.from(arguments).slice(1);
return function() {
if (!calculated) {
result = func(...args);
calculated = true;
}
return result;
}
}
// 示例
function expensiveCalculation(x) {
console.log("执行了昂贵的计算！");
return x * x;
}
const lazyCalculation = lazy(expensiveCalculation, 5);
// 第一次调用，会执行计算
console.log(lazyCalculation()); // 输出: 执行了昂贵的计算！ 25
// 后续调用，直接返回缓存的结果
console.log(lazyCalculation()); // 输出: 25惰性求值库的核心在于创建一个延迟执行的函数。上面这个简单的
lazy函数就是个雏形。它接收一个函数和它的参数，返回一个新的函数。只有当这个新函数被调用时，原始函数才会被执行，并且结果会被缓存起来，后续调用直接返回缓存的结果，避免重复计算。
惰性求值在JavaScript中有什么实际应用场景？
实际应用场景很多，比如处理大型数据集、复杂的数学运算、或者需要根据条件决定是否执行的函数。考虑一个图片处理的例子，只有当用户滚动到某个图片的位置，才去加载和处理这张图片。
function lazyLoadImage(imageUrl) {
return lazy(() => {
console.log(`加载图片: ${imageUrl}`);
// 模拟图片加载
return new Promise(resolve => {
setTimeout(() => {
resolve(`图片 ${imageUrl} 加载完成`);
}, 1000);
});
});
}
const imageLoader = lazyLoadImage("https://example.com/image.jpg");
// 只有当需要时才加载图片
imageLoader().then(result => console.log(result));这个例子中，
lazyLoadImage返回一个惰性加载图片的函数。只有当
imageLoader()被调用，才会真正去加载图片。这种方式可以显著提升页面加载速度，尤其是在图片数量很多的情况下。
立即学习“Java免费学习笔记（深入）”；
如何扩展这个惰性求值库，使其支持链式调用？
链式调用可以使代码更简洁、更易读。要支持链式调用，我们需要让惰性求值函数返回一个对象，这个对象包含其他惰性求值函数，并且这些函数可以依次调用。
function LazyChain(value) {
this.value = value;
this.operations = [];
}
LazyChain.prototype.map = function(func) {
this.operations.push(func);
return this;
};
LazyChain.prototype.force = function() {
let result = this.value;
this.operations.forEach(func => {
result = func(result);
});
return result;
};
// 示例
const lazyChain = new LazyChain(5)
.map(x => x * 2)
.map(x => x + 1);
console.log(lazyChain.force()); // 输出: 11这个
LazyChain类允许我们通过
map方法添加一系列操作，然后通过
force方法一次性执行所有操作。这种方式非常适合处理数据流，可以先定义好一系列操作，然后一次性执行，避免中间结果的重复计算。
惰性求值与记忆化有什么区别？它们在性能优化上有什么不同？
惰性求值和记忆化都是优化性能的手段，但它们解决的问题不同。惰性求值是延迟计算，只有在需要结果时才执行。而记忆化是缓存函数的计算结果，避免重复计算相同的输入。
// 记忆化
function memoize(func) {
const cache = {};
return function(...args) {
const key = JSON.stringify(args);
if (!cache[key]) {
cache[key] = func(...args);
}
return cache[key];
};
}
// 示例
function factorial(n) {
console.log(`计算 ${n} 的阶乘`);
if (n <= 1) {
return 1;
}
return n * factorial(n - 1);
}
const memoizedFactorial = memoize(factorial);
console.log(memoizedFactorial(5)); // 输出: 计算 5 的阶乘 ... 120
console.log(memoizedFactorial(5)); // 输出: 120 (直接从缓存中获取)记忆化适用于计算密集型，且输入参数重复率高的函数。惰性求值适用于避免不必要的计算，尤其是在处理大数据集或者复杂的计算逻辑时。它们可以结合使用，例如，一个惰性求值的函数内部使用了记忆化来缓存计算结果，这样可以同时避免不必要的计算和重复计算。选择哪种优化方式，取决于具体的应用场景和性能瓶颈。
