声明式编程是设计编程语言和构建软件的一种方式:程序描述结果、关系或需要满足的条件,而不是以规定一连串改变状态的指令为主。数据库查询、一组逻辑规则和一组约束都可以是声明式描述,但它们需要不同的执行机制。人们常用指定“做什么”与指定“怎么做”来区分声明式与其他编程方式,这种区分虽有帮助,却并不完整:每一条可执行的声明都有其操作层面的解释,而每一种编程抽象都会隐藏某些实现细节。
声明式编程的重要之处在于将规约与实现规约的机制分离。查询处理器可以选择连接顺序,约束求解器可以搜索满足约束的赋值,用户界面框架可以更新显示,而这些步骤不必显式出现在应用程序的描述中。这种分离有助于进行优化、开展数学推理,以及适应不同的执行环境。但它也可能使性能表现、故障以及与外部状态的交互变得不那么直观。
因此,最好将声明式编程理解为一组彼此相关的方法,而非单一的语言设计。其主要流派包括函数式编程、逻辑编程、关系查询语言和基于约束的系统。声明式技术也见于文档排版、响应式界面、构建系统和基础设施管理等领域,其具体能提供哪些保证,取决于所处的领域。
范式的含义与边界
作为一种编程范式,声明式编程通常与命令式编程相对。命令式描述通常围绕更新存储状态的命令来组织计算,例如给变量赋值、递增索引、修改数组或跳转到另一条指令。声明式描述则着重表达表达式的值、关系是否成立,或条件是否得到满足。这一区别在于如何表述问题,并不意味着底层处理器无需执行指令。
例如,用循环逐条访问员工记录并累加薪资,明确指定了遍历过程以及不断变化的累加器。而请求计算薪资总和的查询,指定的是对集合进行聚合。查询的实现仍然需要读取数据并执行加法,但应用程序不必选择遍历顺序,也不必描述每一次更新。同样, 这样的约束描述了值之间的关系,却没有指定哪个变量是输入,也没有指明用什么算法来找到满足约束的赋值。
声明式特征有几个部分独立的维度。一种语言可能隐藏控制流,却暴露可变状态;也可能消除状态变更,却保留明确规定的求值顺序。它可以像约束模型那样描述整个解空间,也可以像纯算术表达式那样描述一个确定的值。因此,并不存在一种公认的二分判定方法,能将所有声明式程序与所有非声明式程序区分开来。如何分类,通常取决于抽象层次,以及与具体讨论相关的语义特性。
仅凭语法并不能作出判断。包含 map 和 filter 的简洁表达式,可能比循环更直接地传达数据变换的含义,但如果其中的回调函数修改了共享变量,仍然可能引入依赖执行顺序的行为。反过来,采用命令式实现机制的语言,也可以提供声明式接口。SQL结构化查询语言 既包含声明式查询结构,也包含过程式扩展、事务命令以及更改已存储数据的操作。许多实用语言和框架都会有意混合不同风格。
声明式编程也不同于一般意义上的可执行规约。即使对期望结果给出了完整的形式化描述,也未必能提供切实可行的计算方法,而有些规约根本无法执行。成功的声明式系统会限制其描述语言的表达范围,提供能力足够强的执行机制,或允许程序员提供执行层面的指导。其核心抽象并不是让算法消失,而是重新分配责任:程序员陈述选定的语义要求,具体实现则从允许的执行策略中作出选择。
历史发展
声明式编程并非源于某一项发明,而是在几种相互交织的传统中逐步发展起来的。数学记号提供了早期范式:方程定义关系,却不规定机器应执行哪些操作。阿隆佐·邱奇在20世纪30年代提出的λ演算,对函数及其应用给出了形式化描述,后来影响了函数式语言。逻辑与自动演绎则提供了另一项基础,将计算视为从陈述中推导出结论的过程。
约翰·麦卡锡于1958年开始开发Lisp编程语言,他在1960年发表的递归函数论文,在符号计算与函数式描述之间建立了影响深远的联系。早期的Lisp并非纯函数式语言:它包含赋值及产生其他副作用的机制。尽管如此,它对函数、符号表达式和递归的处理方式,推动了一种编程传统的形成:在这种传统中,表达式求值可以比发出指令更为核心。后来,约翰·巴科斯在1977年的图灵奖演讲中批评了传统编程与面向状态的机器体系结构之间的紧密联系,并倡导以函数级编程作为替代方案;这篇演讲于1978年发表。
另一条独立的发展路线改变了数据处理。1970年,埃德加·F. 科德提出数据关系模型,将逻辑关系与特定的存储结构分离。基于关系思想的语言可以描述应返回哪些元组,而不必指定在记录之间进行导航的路径。唐纳德·张伯伦和雷蒙德·博伊斯于1974年提出SEQUEL;这项工作推动了SQL及IBM的System R研究项目的发展。商用关系数据库系统使声明式查询成为业界的常规实践。
逻辑编程源于自动定理证明研究。1972年,阿兰·科尔梅罗及其同事在马赛开发了第一个Prolog系统,而罗伯特·科瓦尔斯基的工作则阐明了逻辑子句的过程性解释。他在1979年提出的“算法 = 逻辑 + 控制”概括了一个始终存在的问题:逻辑关系在概念上可以与执行这些关系所采用的策略分离,但在实际运行的系统中,两者都很重要。逻辑编程随后影响了演绎数据库、知识表示和约束语言。
后续的发展将这些思想拓展到了不同方向。Haskell的首份语言报告于1990年发布,使其成为标准化、非严格求值的纯函数式编程的一个重要范例。约束编程将逻辑描述与专门的数值求解器和组合求解器联系起来。自20世纪90年代以来,声明式描述也广泛应用于网页呈现、数据处理、配置管理和用户界面。这些发展并非朝着某种统一范式迈进的简单历程:关系查询、函数式表达式、逻辑规则和期望状态配置,仍然各自保有差异显著的语义与执行模型。
数学含义与操作行为
声明式系统必须将描述与其含义联系起来,并在需要执行时,将其与计算过程联系起来。编程语言语义学研究的正是这些联系。指称语义将程序与函数或解集等数学对象关联起来。逻辑语义通过模型和逻辑蕴涵来解释语句。操作语义则描述求值器、抽象机或推理系统执行程序的步骤。声明式语言可以同时具有上述各种形式的语义;存在操作规则并不意味着一种语言本质上就是命令式的。
对于关系查询 和数据库实例 ,一种简化的语义描述是如下映射:
其中, 是结果关系。查询计划是计算该结果的一种方法。如果两个计划在语言规则下产生等价的可观察结果,那么它们就可以互相替换。这些规则必须涵盖重复项、空值、排序和错误等细节。因此,数学上的集合模型是一个有助于理解的起点,而不是对所有 SQL 查询的完整描述。
对于约束程序,其含义也可以表示为一组赋值。给定变量 、定义域 和条件 ,解集为:
求解器可以枚举 、给出其中一个元素、证明它为空集,或在其中寻找使某个目标最优的解。即使这些任务使用相同的约束,它们也属于不同的计算任务。具体实现也可能在尚未判定可满足性时就停止,这取决于所涉及的理论、资源限制以及采用的过程。
逻辑规则系统经常采用不动点语义。在不含否定的规则语言中,算子从已有事实推导出新事实。从初始事实出发,反复应用该算子,会得到包含越来越多推论的集合,直到不再出现新事实。对于有限域上不含函数符号和否定的 Datalog,这一过程必然终止,因为能够生成的基事实只有有限多个。最小不动点确定了规则所支持的推论,而不会任意加入无关事实。
函数式编程中一个尤为重要的性质是引用透明性:可以将表达式替换为它的值,而不改变所在程序的可观察含义。这为替换和等式推理提供了依据。但这并不自动意味着任何重排都能保持执行成本或终止行为不变。求值策略、异常、偏函数、浮点运算和外部效应,都会使数学相等性与执行等价性之间的联系变得复杂。正确的实现必须保持相关的可观察行为,而不只是生成在代数形式上看起来相似的表达式。
关系查询与数据处理
关系查询语言是应用最广泛的声明式编程实例之一。关系数据库通过关系来表示数据,而查询则描述选择、投影、组合和聚合等操作。程序员通常只需指定表、谓词和所需的输出,无须决定执行时应使用索引、扫描表,还是将工作分配给多个处理器。
例如,要查询员工平均薪资超过某一阈值的部门:
SELECT department_id, AVG(salary) AS average_salary
FROM employee
GROUP BY department_id
HAVING AVG(salary) > 80000;
这条语句指定了分组键、聚合运算以及针对分组的条件。它并未规定如何划分员工数据行、分组采用哈希还是排序,也未规定如何存储中间结果。不同的实现可以选择不同的策略,同时保证得到所要求的结果。
关系代数为许多查询变换提供了基础。有时可以将选择操作下推到更靠近数据源的位置,从而减少后续算子需要处理的行数。在语义允许的情况下,也可以调整连接的顺序。数据库管理系统可以根据表的大小、值的分布、可用内存以及数据库索引来估算成本。这使物理数据独立性在实际运行中发挥作用:存储结构和访问结构发生变化时,不一定需要重写查询。
实际使用的 SQL 比经典关系代数更丰富,在数学上也没有那么简单。查询结果通常遵循包(即多重集)语义,因此重复项会影响结果。空值为许多谓词引入了第三种真值,即未知。外连接会保留未匹配的行,因此限制了一些原本看似合理的变换。没有 ORDER BY 子句时,查询通常不保证特定的行顺序。用户定义函数、易变表达式以及厂商特有的行为,可能进一步限制哪些重排是安全的。对查询作声明式解读,依据的是这些确切的语义,而不是它在表面上与数学公式有多相似。
声明式数据处理并不限于传统数据库。Apache Spark 提供了结构化操作,这些操作可以表示为执行计划,供系统分析和优化;而流处理系统则对随时间不断到达的数据执行查询。流处理还引入了事件时间、迟到数据、窗口边界,以及何时应将结果视为最终结果等问题。持续聚合并不只是无限重复执行批处理查询:它需要明确说明输出如何随着信息的到来而变化。声明式查询描述仍然可以将应用意图与调度和部署位置分离,但其含义必须包含这些时间方面的假设。
函数式表达式、纯性与效应
函数式编程通常被归入声明式编程范畴,因为它围绕表达式和函数应用来组织计算,而不是依靠会改变状态的命令序列。一项变换可以表示为若干较小变换的组合:筛选满足某个谓词的记录,提取一个字段,再对得到的值进行归约。这种表达方式强调输入值与输出值之间的关系。不过,函数式编程与声明式编程并不是同义词,支持函数的语言也可能同时支持不受限制的状态修改及其他命令式特性。
纯函数的返回结果由其参数决定,而且在求值过程中不会产生外部可观察的效应。这使得依赖关系更容易识别。如果两个表达式只读取不可变的值,且彼此互不依赖,那么具体实现就可能有机会独立地对它们求值。这种独立性有助于并行计算、缓存和测试,但并不保证并行执行一定能带来性能收益:任务粒度、内存分配、通信和运行时调度仍然决定着性能。
求值策略是另一个独立的设计选择。及早求值会在应用函数之前计算参数。惰性求值则将计算推迟到需要其结果时才进行,并且通常会在计算完成后共享结果。Haskell 采用非严格语义,通常通过惰性求值来实现。这使程序可以定义可能无限延伸的结构,只要实际使用的部分是有限的即可。但这种方式也可能使尚未求值的表达式及其依赖项一直保留,从而造成出乎意料的内存占用。仅凭及早求值或惰性求值,都无法判断一个程序是否属于声明式程序。
实际程序必须与文件、网络、时钟和用户交互。因此,纯函数式设计需要以一套严谨的方式处理效应,而不是假装效应不存在。Haskell 在其类型系统中区分具有副作用的 I/O 动作,从而将普通的纯表达式与执行时会和外部世界交互的操作分离开来。其他语言则采用效应系统、为内部可变的实现提供不可变接口,或者通过约定将状态修改限制在特定模块内。这些技术在约束的强制程度和表达能力方面各不相同。
函数组合在帮助理解程序实际运行行为方面也有局限。除非编译器通过融合等优化手段将各个阶段合并,否则流水线可能会分配中间集合。共享可以避免重复求值,但也可能导致更多内存被持续占用。浮点加法通常不满足结合律,因此,改变运算分组方式的并行归约可能会改变数值结果。函数式风格提供了一种有用的描述结构;程序的正确性和性能仍然取决于语言的算术语义、求值语义和效应语义。
逻辑规则、约束与解空间
逻辑编程通过事实和规则表示知识,并通过推导结论或寻找变量的替换来回答问题。在 Prolog语言中,可以用以下代码表示一个简单的祖先关系:
ancestor(X, Y) :- parent(X, Y).
ancestor(X, Y) :- parent(X, Z), ancestor(Z, Y).
这些规则表明,父母是祖先,而祖先关系可以沿父母关系递推。像 ancestor(alice, Y) 这样的查询,就是要找出满足该关系的 Y 值。程序中并没有用常规循环来遍历所有可能的后代。
不过,执行仍然需要搜索策略。传统的 Prolog 实现采用合一、深度优先搜索和回溯,并按指定顺序考察子句和目标。合一用于寻找使符号项相匹配的替换。即使子句在逻辑上的含义十分接近,子句顺序和目标顺序仍可能显著影响程序的终止性与效率。递归规则若排列不当,可能会在找到已有答案之前,沿一条无限分支不断搜索。截断(cut)等构造进一步显露了对执行过程的控制,也可能影响程序的逻辑解释。
Datalog语言对逻辑编程模型施加了一些限制,使其适合处理关系数据和递归推理。在不含函数符号的基本形式中,它不会构造任意嵌套的项,因此可以在有限的输入域上进行有限的不动点求值。引擎无需依赖 Prolog 传统的深度优先过程,就能推导图中的可达节点或传播访问关系。处理否定时,需要在语义上格外谨慎:未能推导出某个事实,并不自动等同于证明了它的经典逻辑否定。分层否定与稳定模型方法对这类推理给出了不同的解释。
约束规划描述变量、变量的取值域,以及对取值组合的限制。在调度问题中,开始时间可以作为变量,先后次序要求可以用不等式表示,资源约束则可以禁止任务在时间上重叠。求解器将传播与搜索相结合:传播用于排除不可能的取值,搜索则探索剩余的可能性。“所有变量的取值互不相同”这样的约束可以采用专门的传播方法,比逐一独立处理每对变量之间的不等约束更有效。模型描述允许的调度方案,而求解器负责提供大部分搜索过程。
相关技术包括布尔可满足性问题、可满足性模理论、回答集编程和数学优化。它们在逻辑基础、所接受的表达式以及预期输出方面各不相同。可满足性问题询问是否存在满足条件的赋值;优化问题则进一步根据目标对赋值进行排序。例如,最小化完成时间可以表述为:在满足 的条件下,求 。这种简洁的声明并不意味着问题在计算上容易解决:许多实用的问题表述仍然具有组合上的求解难度,而模型设计会显著影响求解器的性能。
文档、响应式界面与期望状态系统
声明式描述也用于目标并非返回单个值的场景。超文本标记语言描述文档结构,层叠样式表则指定呈现规则。浏览器结合文档、样式规则、布局算法和设备特性,生成显示结果。作者通常不需要规定每一步绘制操作。不过,CSS 有一套详尽的冲突解决机制,涉及样式来源、重要性、层叠层、优先级和顺序。它具有声明式特征,并不意味着规则之间的相互作用很简单,也不意味着文本顺序无关紧要。
在响应式编程中,系统描述随时间变化的值之间的依赖关系。如果显示的总金额依赖于商品单价和数量,那么输入发生变化时,就可以触发对所依赖的总金额的重新计算。具体实现负责管理失效处理、变更传播,有时还负责调度。重要的语义问题包括:能否以一致的方式观察同时发生的更新,是否可能看到不一致的中间值,以及如何处理循环依赖。不同的响应式系统对这些问题有不同的处理方式;“响应式”并不对应某一种标准化的执行模型。
声明式用户界面框架通常将期望的界面表示为应用状态的函数。框架将这一描述与当前已渲染的界面进行比较,或以其他方式协调两者,并实施必要的更改。这可以减少手动协调界面控件和事件驱动更新的工作。不过,事件处理、网络请求、焦点管理以及与外部组件的交互,仍然需要产生副作用。视图描述与副作用控制之间的边界,是框架设计的重要组成部分。
构建系统提供了另一个面向特定领域的例子。构建描述可以声明,可执行文件依赖于目标文件,而目标文件依赖于源文件。构建系统利用依赖图决定哪些任务需要执行,以及哪些相互独立的任务可以并发运行。经典的 make 将相对偏声明式的依赖描述与命令式的构建配方结合起来。可靠的增量执行要求依赖信息涵盖所有相关输入;未声明的环境变量或生成文件,都可能使系统所依据的假设不再成立。
基础设施工具使用期望状态描述来指定服务、机器和访问策略等资源。基础设施即代码既包括声明式资源模型,也包括过程式自动化,因此这些术语不能互换使用。在 Kubernetes 中,控制器观察资源,并反复采取行动,使实际状态趋近于指定的期望状态。这是一个协调过程,而非一次原子赋值。能否收敛取决于权限、可用资源、控制器行为以及外部系统。由于操作可能会被重试,幂等性十分重要;但它是需要针对具体操作加以确立的性质,而不是采用声明式语法就会自动获得的结果。
执行引擎与优化自由度
声明式编程在实践中能发挥多大作用,很大程度上取决于其表示法背后的引擎。一个实用的实现必须将简洁的描述转化为高效的计算,同时保持其可观察语义不变。它可能需要解析描述、检查类型或模式、构建中间表示、简化表达式、选择算法,以及调度执行。在某些系统中,这些阶段会预先完成;在另一些系统中,它们则会根据当前的数据或资源动态进行。
查询优化器体现了逻辑层面的自由度与物理层面的选择之间的区别。逻辑计划确定要执行的关系运算,物理计划则选择哈希连接、归并连接、索引查找和外部排序等具体实现方式。在不同的数据分布下,两个等价的逻辑表达式可能产生截然不同的资源需求。基于代价的优化会估算这些需求,但当数据值之间存在相关性、统计信息过时,或中间结果与预测相差甚远时,估算就可能不准确。因此,隐藏执行决策并不意味着无需审视这些决策。
规则引擎和约束引擎则会利用其他结构。Datalog 求值器可以采用半朴素求值,让每次迭代都集中处理新推导出的事实,而不是反复重新计算此前的所有推论。求解器可以传播变量的上下界、从冲突中学习,或根据启发式方法选出的变量进行分支。函数式语言的实现可以执行内联、函数特化,或消除中间结构。并非所有声明式系统都支持这些变换;它们取决于各个领域中可利用的语义和结构信息。
增量执行是另一个重要的优化机会。如果输入只发生少量变化,引擎就可能只更新受影响的输出,而不必重新计算所有内容。数据库物化视图、电子表格、构建系统和响应式界面,都会利用某种形式的依赖跟踪或状态维护机制。要保证正确性,不仅需要处理新增和删除,还必须考虑排序或聚合的变化,以及只有在执行过程中才会显现的依赖关系。保留中间结果可以节省时间,但也会消耗内存,并带来处理失效的开销。
声明式描述还可以将数据分区和任务放置交由运行时系统决定,从而支持分布式计算。然而,通信并非没有代价,看似相互独立的操作也可能需要协调。连接操作可能需要交换大量数据;全局排序可能需要同步;非单调决策则可能需要证据,确认不会再有新的输入到达。计算复杂性和物理资源限制依然适用。声明式抽象为引擎选择更好的策略提供了空间,但并不保证一定存在好的策略,也不保证引擎能够找到它。
正确性、调试与实际局限
声明式表示可以让某些正确性论证更加直接。纯表达式支持等式推理,逻辑规则清晰呈现推理结构,显式约束则让人能够检查允许解必须满足的条件。这些特性有助于形式验证和自动化分析。声明式模型也可以作为参照,用于测试更侧重具体操作的实现。这些优势以精确的语义和忠实遵循语义的实现为前提;仅凭易读的表示法,并不能确立正确性。
错误可能发生在几个不同的层面。描述可能准确地表达了错误的需求,模型可能遗漏了关键约束,执行引擎也可能存在缺陷。调度模型如果遗漏了资源限制,就可能生成数学上有效、现实中却无法执行的调度方案。数据库查询可能正确地求值了各个谓词,却连接了错误的实体。引擎提供的保证通常是有条件的:它按照给定模型进行计算,而不是按照未明说的意图进行计算。
调试的重点往往从检查指令序列转向解释结果和执行决策。数据库工具会展示查询计划和基数估计。约束系统可能报告相互冲突的约束或不可满足核心,不过报告的约束子集未必是极小的。逻辑系统可能展示推导轨迹,数据系统则可能跟踪数据血缘,以识别对结果有贡献的输入。这些解释回答的是不同的问题:某个结果为何成立、为何不存在解,或某个实现为何消耗了特定资源。
当抽象层无法完全屏蔽底层细节时,仍然需要了解实际执行情况。逻辑上等价的改写可能改变内存用量、响应时间,甚至影响执行是否终止。用户定义的函数可能隐藏着某些效应,导致优化无法安全进行。配置控制器可能因外部服务拒绝某项操作而反复失败。在存在并发或重试的系统中,请求某种状态与观测到该状态之间的区别尤为重要。“声明已被接受”并不等于“请求的条件现已成立”。
许多声明式语言通过限制表达能力来获得可预测的行为。经典关系代数无法表达任意递归,基本 Datalog 则施加了一些限制,以保证求值能在有限步骤内完成。表达能力更强的语言会遇到一般性的可计算性限制,包括停机问题;而表达能力受限的语言仍然可以表达计算代价高昂的任务。因此,实际系统会将声明式模型与过程式扩展机制、执行提示、效应边界和诊断工具结合起来。设计上的挑战在于:既保留有益的实现自由,又不掩盖理解正确性、资源使用以及与外部世界交互所必需的信息。