{
  "id": "programming-paradigm",
  "title": "编程范式",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "编程范式是组织计算、表达行为和构建程序的一类典型方式。",
  "category": "computer-science",
  "subcategory": "software",
  "type": "concept",
  "aliases": [
    "程序设计范式",
    "程序设计典范"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/programming-paradigm/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/programming-paradigm/",
      "json": "https://aiwiki.page/en/programming-paradigm.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "编程范式是表达计算和组织程序的一类总体思路。它为数据表示、操作描述、状态管理和组件组合确立了特有的方式。命令式编程描述计算状态的变化；函数式编程强调函数的求值与组合；面向对象编程围绕对象组织行为；逻辑编程则表达关系，并由这些关系推导出答案。这些方式影响的是程序员如何构思解决方案，而不只是在某种特定语法下如何编写语句。\n\n范式不等同于编程语言。一种语言可以支持多种范式，一个程序也可以结合使用多种范式。例如，JavaScript 支持命令式语句、对象、高阶函数和事件驱动执行。范式也不只是算法：算法规定了解决某个问题的方法，而范式提供了一套组织概念，各种不同的算法都可以借助这些概念来表达。\n\n范式之所以重要，是因为即使计算等价，其表达在清晰性、模块化程度、可分析性和执行行为方面也可能存在很大差异。范式的发展将计算的数学基础与软件工程中的实际问题联系起来，包括抽象、资源管理、并发和程序验证。范式并没有一种公认且各类别互斥的分类体系：有些范式描述计算语义，有些描述程序的组织方式，还有一些则描述交互或执行方式。"
    },
    {
      "heading": "范式如何分类",
      "text": "范式一词指的是一组编程实践之间的共通特征，而不是一个有精确定义的标准化类别。有意义的分类需要分别回答几个问题：什么算作计算？值如何表示？状态可以在哪里改变？如何选择下一步操作？组件如何组合？不同的答案形成了不同的分类维度。命令式编程与声明式编程的区别，主要在于如何描述计算；面向对象则关注职责的组织方式及交互方式。并发编程关注的是能够独立推进的活动之间的关系。因此，这些分类彼此交叠，而不是构成一棵单一的分类树。\n\n一个重要的区别是，范式不同于类型系统、执行策略和实现技术。静态类型与动态类型的区别，在于何时以及如何检查表达式的属性。编译与解释的区别，在于程序如何执行，尽管两者也可以混合使用。这两种区别都不能唯一确定某种范式。函数式语言既可以采用静态类型，也可以采用动态类型；面向对象语言既可以采用提前编译，也可以采用解释执行或即时编译。同样，自动垃圾回收可以支持函数式、命令式或面向对象编程，但并不是其中任何一种范式的定义特征。\n\n范式也不同于架构模式和特定领域的方法。分层应用架构规定大型组件之间的关系；面向对象设计则描述实体和行为在这些组件内部或跨组件时如何组织。微服务描述的是一种部署和交互方式，而不是一种独立的通用计算模型。数值编程、Web 编程和系统编程指的是应用领域，尽管每个领域往往会偏好某些特定的抽象方式。同一个服务可以在内部使用对象，在数据处理中使用函数式变换，并在持久化操作中使用声明式查询。\n\n语言支持与编程实践方式之间的界限同样重要。一门语言可以让某种范式更易于使用，却不强制程序采用它。用 C 编写的程序可以通过结构体和函数指针模拟对象，但 C 并不提供与 Java 相同的内置类和方法机制。反过来，用面向对象语言编写的程序，也可能主要由操作共享数据的过程组成。因此，只有区分语言提供的功能、程序采用的风格，以及语言或其工具强制保障的性质，范式分类才能提供最有价值的信息。"
    },
    {
      "heading": "历史发展",
      "text": "现代编程范式源于若干部分独立发展的传统。20世纪30年代，艾伦·图灵提出了基于机器的有效计算模型，而阿隆佐·邱奇则提出了λ演算，这是一种以函数抽象和应用为基础的形式系统。在通用电子计算机尚未普及之前，两者就已为计算提供了不同的数学描述。它们在表达能力上的等价，并不意味着其风格相同：机器状态的连续转换与函数表达式的归约，体现了描述程序和推理程序性质的不同思路。\n\n早期电子计算机编程与机器指令、存储位置和控制转移紧密相连。汇编语言用符号表示法取代了数字形式的操作码和地址。IBM在约翰·巴科斯的领导下于1957年首次交付的Fortran编程语言，证明了将较高层次的数值表达式翻译成高效机器代码的实用价值。ALGOL 60推动了程序块结构、词法作用域和递归过程成为影响深远的语言概念。这些发展使程序得以围绕语句、过程和显式控制的执行流程来组织，而不再围绕单条处理器指令来组织。\n\n其他传统也与这一命令式编程脉络并行发展。约翰·麦卡锡在20世纪50年代末引入了Lisp编程语言，借鉴了符号处理方法和面向函数的表示法。奥勒-约翰·达尔和克里斯滕·尼高开发的Simula 67引入了源于仿真需求的类与对象机制。20世纪70年代在施乐帕洛阿尔托研究中心开发的Smalltalk，则将相互交互的对象置于集成编程环境的核心。Prolog诞生于20世纪70年代初，源自阿兰·科尔梅罗、菲利普·鲁塞尔和罗伯特·科瓦尔斯基等人的相关工作，将编程与自动推理及逻辑推理联系起来。\n\n随着这些方法日趋成熟，对不同编程传统进行明确比较变得越来越重要。罗伯特·W. 弗洛伊德在1978年的图灵奖演讲《编程的范式》中主张，应当教授和发展构建程序的系统性方法，而不应只关注语言特性。约翰·巴科斯在1977年的图灵奖演讲中批评了传统的面向状态编程，并提出了函数级编程这一替代方案。这两场演讲都没有确立最终的分类体系，但都推动了对编程风格和概念组织方式的持续技术讨论。\n\n此后的语言发展大多倾向于融合多种范式，而非专属于某一种范式。C++在源于C的语言基础上增添了面向对象和泛型机制。ML将函数式编程与强静态类型及受控的可变状态相结合。Java在2014年发布的Java 8中引入了λ表达式。各种语言和程序库越来越多地将函数式变换、对象、异步操作以及领域专用的声明式表示法结合起来。因此，与其将这段历史理解为一种范式取代所有先前范式的过程，不如将其理解为各种思想不断积累与重新组合的过程。"
    },
    {
      "heading": "命令式编程、过程式编程与结构化编程",
      "text": "命令式编程通过改变状态的命令来描述计算。变量通常表示一个存储位置，其中的内容可以更新；语句指定的是一个动作，而不仅仅是一个值。在抽象机模型中，程序执行可以表示为一系列配置，每个配置都包含内存、当前指令等信息。如果 \\(\\sigma\\) 表示将变量映射到值的状态，那么赋值可以用如下状态转移来描述：\n\n\\[\\langle x := e,\\sigma\\rangle \\longrightarrow \\sigma[x\\mapsto \\operatorname{eval}(e,\\sigma)].\\]\n\n表达式在旧状态下求值，所得的值成为与 \\(x\\) 关联的新内容。变量的身份与其不断变化的值之间的区别，是命令式程序推理的核心。\n\n过程式编程将命令组织为具名的过程或子程序，并配以参数、局部变量和返回约定。例如，排序过程可以在原地重排数组，同时向调用者隐藏分区或元素交换的细节。过程提供了抽象边界，但不一定消除共享状态或副作用。C编程语言是一种重要的过程式语言，其指针和显式内存操作也允许程序员精细控制数据的表示方式。按过程分解程序可以与其他范式并存：方法仍然是一个可调用的行为单元，只是它在面向对象组织方式中的作用不同于独立的过程。\n\n结构化编程强调采用组合关系清晰的控制结构，尤其是顺序、选择和迭代。程序不再在标签之间任意跳转，而是使用程序块、条件语句和循环，使控制流如何进入和退出更容易理解。科拉多·伯姆和朱塞佩·雅科皮尼于1966年提出的结果表明，在适当的形式化模型下，结构化控制构造足以表达计算，无须不受限制的跳转。艾兹赫尔·戴克斯特拉于1968年发表的信件《Go To语句有害论》，使控制结构与执行过程推理难度之间的关系受到更广泛的关注。\n\n实际问题不在于某种构造能否被模拟，而在于程序结构是否有助于理解和验证。循环可以借助循环不变量来分析，即一个在每次迭代后仍然成立的命题。对于累加数组前 \\(k\\) 个元素的循环，不变量可以表述为：累加器的值等于这些元素之和。初始化使这一断言成立，循环体维持其成立，而循环终止则将其与预期结果联系起来。递归提供了另一种结构化机制，尤其适用于递归定义的数据。\n\n在必须明确指定操作顺序、可变资源和机器表示的场景中，命令式编程仍然十分重要。然而，贴近硬件并不保证高效，使用高层表示法也不意味着无法实现高效。具备优化能力的编译器可以将命令式程序和非命令式程序转换为相似的机器指令。真正的区别在于，源程序显式呈现了哪些状态变化，以及这些变化给程序员和分析工具带来了哪些必须处理的问题。"
    },
    {
      "heading": "面向对象编程",
      "text": "面向对象编程以对象为中心组织软件，对象将状态与相关行为结合在一起。对象通常具有各自的身份：两个对象即使各字段的值相等，也仍然可以是不同的实体。对象通过方法或消息对外提供操作，而实现细节则可以隐藏在接口之后。当系统中的实体具有持续的生命周期、不断变化的内部状态，并且其职责可以通过稳定的操作来表达时，这种组织方式就很有用。例如，图形界面控件可以维护自身的几何信息和交互状态，同时对外提供绘制和处理输入的操作。\n\n基于类的系统通过类来定义共同的结构和行为。继承可以从一个类派生出另一个类，从而实现复用或特化；动态分派则根据运行时涉及的对象来选择具体执行的操作。例如，绘图程序可以对圆形、矩形和文本对象调用共同的 draw 操作，而不必显式检查每个对象的内部表示。这就是子类型多态：不同的实现可以通过共同的抽象来使用。不过，并非所有面向对象系统都需要类。基于原型的系统通过现有对象派生行为，或将行为委托给现有对象；JavaScript就是这一模型的典型代表，尽管它也提供了类语法。\n\n封装不只是将字段标记为私有。它的目的是维持一道边界，使边界内部的表示方式可以改变，而不必迫使整个程序的其他部分随之修改。账户抽象可以对外提供维护内部一致性的操作，而不是允许外部不受限制地修改余额。然而，对可变内部数据的共享引用可能削弱封装。如果访问器直接返回内部集合，调用者就可能绕过预定的操作来改变对象状态。因此，别名引用和可变性会使接口与其应当保护的不变式之间的关系变得复杂。\n\n继承、子类型和代码复用彼此相关，但并不相同。继承可以复用实现，却不一定能产生在行为上适合替代父类抽象的子类。里氏替换原则由芭芭拉·利斯科夫提出，并由她与珍妮特·温共同进行形式化阐述，关注的是针对超类型成立的性质，在其子类型中是否仍然成立。即使语言接受某个类层次结构，强化前置条件或违背预期行为也可能使替换不再成立。组合提供了另一种途径：对象将工作委托给其内部包含的协作对象，而不是继承这些对象的实现。\n\n面向对象并不要求所有数据都必须可变，也不要求每个操作都归入复杂的层次结构，更不意味着继承总是优于组合。不可变值对象可以自然地融入许多面向对象系统。面向对象的独特贡献在于，以对象为边界组织行为；这种组织方式是否有效，取决于这些边界是否对应于所建模问题中的稳定职责。"
    },
    {
      "heading": "函数式编程",
      "text": "函数式编程强调通过函数求值和函数组合来构建计算。其理论基础包括 λ 演算，其中函数抽象和函数应用构成了一个精简的计算核心。函数可以作为参数传递、作为结果返回，也可以存储在数据结构中。map、filter 和 fold 等高阶操作能够表达反复出现的遍历与组合模式，而无须每次使用时都重复写出相同的控制结构。例如，计算正数输入的平方和，可以表述为先筛选集合，再对其中各项应用平方函数，最后通过加法归约所得的值。\n\n纯性是其中的一个核心概念。纯函数的结果仅取决于其参数，且求值过程不会产生外部可观察的副作用。因此，在适当的假设下，可以将表达式替换为其值而不改变程序行为，这一性质称为引用透明性。它为等式推理提供了基础。如果 \\(f(x)=x+1\\)，那么表达式中的 \\(f(3)\\) 就可以替换为 \\(4\\)。相比之下，读取时钟、消耗输入或递增共享计数器的操作，通常不能用先前的结果替换。纯函数式语言提供了表示和组合这类效应的方法，同时将它们与普通的纯求值区分开来。\n\n不可变数据和持久化数据结构使面向函数的组合方式具有实用性，而不必在每次更新时复制整个集合。持久化树可以通过复制更新路径上的节点来构建新版本，同时与旧版本共享未受影响的子树。这降低了保留先前值的成本，使不进行原地修改也能实现高效运行。不可变性还避免了某些相互干扰的问题：其他组件无法意外改变已经传递给函数的值。不过，它并不能消除所有计算开销，也不能解决并发系统中的所有难题。\n\n求值策略是另一个独立的维度。严格求值在应用函数之前先计算参数；非严格语义则允许在不一定对所有参数求值的情况下得到结果。Haskell 是采用非严格语义的代表性语言，通常通过带共享机制的惰性求值来实现。只要程序仅需要有限的一部分，惰性求值就允许使用可能无限延伸的序列等结构。但它也可能使内存消耗和求值顺序变得不那么直观。包括 ML 家族语言在内的严格求值函数式语言表明，惰性并非这一范式的必要条件。\n\n函数式技术有助于局部推理、可复用的变换，以及对独立表达式的并行求值。其优势取决于所处的系统环境。输入输出、资源生命周期、有状态协议和性能约束仍然需要明确处理。效应系统、单子及其他抽象提供了不同的方法，使这些交互能够以组合方式构建；但无论采用哪一种，都不意味着实际应用程序会停止与不断变化的外部状态交互。"
    },
    {
      "heading": "声明式编程、逻辑编程与约束规划",
      "text": "声明式编程描述期望的关系或结果，同时将大量执行决策交给底层系统。人们常用描述“做什么”而非“怎么做”来概括二者的区别，这种说法虽有帮助，却不够全面。任何可执行的规约都需要相应的解释方式，而不同声明式系统提供的执行控制程度也各不相同。这类系统的独特之处在于，源代码中的表达式往往可以被理解为对关系的规约，而不必依赖某一种具体的分步实现。SQL结构化查询语言体现了这种分离：查询描述所需的行和值，而数据库优化器负责选择访问路径、连接顺序和物理算子。\n\n在逻辑编程中，程序由事实和规则组成，计算过程则尝试确定能否从这些事实和规则中推导出查询所表达的结论。例如，一条规则可以规定：如果甲是某个中间人的父亲或母亲，而这个中间人又是乙的祖先，那么甲就是乙的祖先。变量不只是可变的存储单元，还参与构成关系，而推理机制会尝试满足这些关系。Prolog 通常使用合一来匹配项，并通过基于归结的搜索推导答案。当选定的路径失败，或需要更多答案时，回溯机制会探索其他选择。\n\n不过，仍须区分逻辑含义与执行行为。在常规的 Prolog 执行过程中，子句和子目标的顺序会影响效率和终止性。逻辑上有效的改写，可能导致搜索按难以取得进展的顺序进行。剪枝算子等特性会有意干预搜索，使得纯粹从逻辑角度理解程序变得更加复杂。Datalog 使用限制更严格的规则语言，通常不允许使用可构造任意嵌套项的函数符号。对于有限数据库上的正 Datalog 程序，可以通过反复推导结论来求值，直到达到不动点。因此，它很适合用于递归查询和程序分析。\n\n约束规划表达变量必须满足的要求，并让求解器寻找满足这些要求的赋值。调度模型可以引入开始时间、持续时间、先后顺序条件，以及防止同一台机器被同时占用的限制。求解器将传播与搜索相结合：传播缩小可能的取值范围，搜索则探索剩余的备选方案。有些系统还会优化某个目标，例如总完成时间。约束逻辑编程将逻辑规则与专门的约束域相结合，在简单的项匹配基础上加入算术关系或其他关系。\n\n声明式表示能够带来显著的优化空间，因为实现系统可以在保持语义不变的前提下自由重组工作。关系数据库可以使用索引，而不必扫描每一行，也可以将查询转换为等价但成本更低的执行计划。这种自由并不能消除算法上的难度：布尔可满足性问题以及许多调度问题的形式化模型，仍然需要大量计算。声明式编程只是将重要的算法决策转移到解释器、优化器和求解器中，而不是让这些决策凭空消失。"
    },
    {
      "heading": "数据流、事件驱动与响应式编程",
      "text": "数据流编程通过操作之间的依赖关系来描述计算。程序不是指定一个全局的指令序列，而是将值的生产者与消费者连接起来。当某个操作所需的输入均已就绪时，该操作便可具备执行条件。电子表格就是一个常见的例子：包含公式的单元格依赖于其他单元格，重新计算也依照这些依赖关系进行。在数值计算系统中，计算图同样可以表示对数组或张量的操作，从而支持依赖分析、调度和自动微分。\n\n数据流表示法并不意味着采用某种统一的执行策略。有些图在执行前构建，随后进行优化；另一些图则在程序运行时动态构建。有些系统处理有限批次的数据，另一些系统则处理持续不断的数据流。图中可以包含反馈、延迟或有状态的算子，而不只是由纯函数组成的无环结构。在流处理中，持续更新的聚合计算往往需要在处理陆续到达的记录时保留状态。对最近五分钟内的记录进行计数，还需要明确定义时间，并制定处理迟到或乱序记录的策略。\n\n事件驱动编程围绕用户输入、网络操作完成、定时器触发或消息等事件来组织行为。事件分发器选择适当的处理程序，由处理程序执行相应的工作。这种风格广泛应用于图形界面和网络服务。事件循环可以在单个线程上以多路复用方式处理许多尚未完成的操作，因此，事件驱动程序不一定会并行执行处理程序。反过来，系统也可能将事件分发给多个工作线程或进程，从而引入额外的顺序与同步问题。\n\n响应式编程关注值或流，以及它们的变化如何传播到依赖它们的计算。在函数式响应式编程中，奠定其理论基础的表述区分了随时间变化的行为与离散事件。如今，许多库更宽泛地使用“响应式”一词，涵盖异步流和依赖关系中的变化传播。这些用法彼此相关，但不应视为具有同一套形式语义。响应式用户界面可以在底层数量发生变化时更新显示的总计值；流处理流水线则可以在消息到达时对其进行转换。两者都强调在时间推移中维持某种关系，而不只是计算一次孤立的输出。\n\n运行细节决定了这类系统的行为是否可预测。如果两个输入同时变化，而更新又未经协调，依赖它们的计算就可能短暂地读到不一致的输入组合；在响应式系统中，这通常称为毛刺。背压解决的是另一个问题：生产者生成数据的速度可能超过消费者的处理能力。系统可以降低生产者的速度、缓冲记录、丢弃部分更新，或显式报错。这些选择会影响内存使用、延迟和正确性。数据流与响应式抽象使依赖关系变得明确，但其调度语义和资源语义仍然是编程模型不可或缺的组成部分。"
    },
    {
      "heading": "并发、并行与分布式模型",
      "text": "并发计算关注的是推进过程可以相互重叠的计算，而并行计算关注的则是实际同时执行的计算。单核事件循环可以支持并发活动，而不需要并行执行；多核数值计算内核则可以在紧密协调的控制下并行执行许多操作。这两种特性都不依赖于某一种特定范式。命令式线程、函数式任务、通信进程和演员，为组织这类计算能力提供了不同方式，对状态、通信和顺序也各有不同的假设。\n\n共享内存编程允许多个活动访问共同的内存位置。这使通信变得直接，但未经同步的冲突访问可能导致竞态条件。锁可以在跨越多个操作的过程中维护某个不变式，而原子指令则提供粒度更小、不可分割的操作，并具有明确规定的内存顺序属性。正确性不仅取决于源代码中语句的顺序，还取决于语言内存模型所提供的保证。锁也会引入自身的风险，包括多个活动循环等待资源时出现的死锁。因此，避免数据竞争并不意味着就能保证整体正确性。\n\n消息传递模型用显式通信取代了某些形式的直接共享访问。在卡尔·休伊特及其合作者于1973年的研究中提出的演员模型里，演员通过消息进行通信，并且可以维护私有状态、创建演员，以及决定如何响应后续消息。由 C. A. R. 霍尔提出的通信顺序进程是另一个影响深远的流派，强调进程和通信事件。这些模型在形式化细节和典型实现上存在差异。消息传递本身并不保证行为具有确定性：消息到达顺序、调度，以及独立发送者之间的相互作用，都可能影响结果。\n\n分布式计算引入了彼此独立的机器，以及可能延迟或失败的通信。因此，同一地址空间内的方法调用与远程请求，并不是可以互换的抽象。发生超时后，客户端可能无法判断某个操作是在执行前就已失败，还是已成功执行、但回复丢失了。重试操作可能使其效果重复发生，除非协议包含请求标识符或幂等操作等机制。分布式系统的编程模型必须应对局部故障，而不能假设每个组件观察到的事件历史都相同。\n\n数据并行系统呈现了另一种组织层次。MapReduce编程模型通过映射、分组和归约来描述工作，将任务分配以及大部分故障恢复工作交给运行时系统处理。GPU 编程则将大量相互关联的操作，与设备特有的执行方式和内存约束一并呈现给程序员。函数式纯粹性可以简化独立计算的分布式执行，但通信量、数据放置和同步仍然决定着性能。编程模型可以隐藏调度细节，却无法消除数据移动和协调的物理开销对系统的根本影响。"
    },
    {
      "heading": "泛型编程、元编程与横切结构",
      "text": "有些被称为范式的方法着眼于复用和抽象，而不是定义完整的执行模型。泛型编程通过对类型和操作提出要求来表达算法与数据结构。只要有合适的排序关系操作可用，排序算法就不必为每一种元素类型重写。参数多态允许同一个定义以统一的方式适用于不同类型；带约束的形式还会进一步指定这些类型必须具备的能力。C++ 模板、ML 多态和 Haskell 类型类提供了不同的机制来表达这种复用，它们在检查、特化和解析方面各有不同的规则。\n\n泛型编程不同于简单地接受某种通用运行时类型的值。泛型集合可以保留其元素类型的信息，使静态类型语言能够在执行前拒绝不正确的操作。其实现可以采用共享的表示形式，也可以生成特化的机器码，或结合多种技术。特化能够消除抽象带来的开销，但也可能增大代码体积。这些权衡部分属于实现层面的问题，而不是泛型这一抽象概念本身的问题。泛型编程与面向对象编程也可以共存：可复用的算法可以接受满足某个接口的对象，而无须知道它们的具体类。\n\n元编程将程序、类型或程序片段视为可供其他程序检查或构造的材料。Lisp 宏转换符号形式；编译器扩展可以分析语法树；模板系统可以生成特化的定义。反射提供了在运行时访问某些结构信息的能力，例如类成员或注解，但具体能力因语言而异。关键区别在于计算作用的层次：普通应用代码处理领域中的值，而元编程处理程序本身的表示或属性。控制不当的代码生成可能使错误位置变得模糊，并让程序行为更难以检查。\n\n面向切面编程处理横跨现有模块划分的关注点。日志记录、插桩和某些策略检查原本可能需要在许多模块中重复编写。切面系统定义执行过程或程序结构中可以附加额外行为的位置，通常使用连接点、切入点和通知等概念。AspectJ 源于施乐帕洛阿尔托研究中心在 20 世纪 90 年代开展的研究，是面向 Java 的一种有影响力的实现。这类机制可以集中处理重复的行为，但过于宽泛或隐式的匹配也可能让人难以判断某个调用点究竟会执行哪些代码。\n\n其他方法同样针对特定维度作出细化。数组编程将针对整个数组的操作作为基础；串接式编程通过隐式数据流组合操作，通常使用栈；概率编程表达涉及随机变量的模型，并将推断交给配套机制处理。这些方法不一定与过程式、函数式或面向对象的组织方式直接竞争。一个程序可以使用泛型数组操作，通过元编程生成特化的计算内核，并通过对象对外提供功能。认识到每种方法所针对的维度，有助于避免将不同性质的概念强行纳入人为构造的层次体系。"
    },
    {
      "heading": "语义、验证与实际选择",
      "text": "一种范式的含义，归根结底取决于实现它的语言和库的语义。操作语义描述执行步骤；指称语义赋予程序数学意义；公理化方法则通过逻辑断言刻画程序。这些视角揭示了表面语法可能掩盖的差异。一个形似赋值的结构，可能是在更新某个存储位置、绑定一个新的不可变名称，也可能是在添加约束，具体取决于所用语言。同样，一个看似函数调用的表达式，可能会执行输入输出、挂起执行、发送消息，也可能只是构造一份留待稍后执行的描述。\n\n范式改变的是推理的方式，而不是消除推理的必要性。在命令式程序的形式验证中，霍尔式推理通过如下断言，将前置条件、命令和后置条件联系起来：\n\n\\[\\{P\\}\\ C\\ \\{Q\\}.\\]\n\n就部分正确性而言，这表示：如果在命令 \\(C\\) 执行前 \\(P\\) 成立，那么在该命令终止后 \\(Q\\) 成立；这一断言本身并不能证明命令会终止。纯函数式代码通常支持代换，以及针对递归定义进行归纳推理。面向对象程序的验证必须考虑不变式、别名和子类型的行为。并发程序的验证则必须考虑相互干扰、可能的调度方式，以及同步或通信机制所提供的保证。\n\n表达能力不等于适用性。许多通用语言都具有图灵完备性，因此，不同范式之间的差异通常不在于最终能够表示哪些可计算函数，而在于能否直接表达问题、哪些错误更难或更容易犯，以及哪些性质可以自动检查。受限语言可能会有意牺牲通用性，以保证终止、使执行行为可预测，或支持高效优化。数据库查询语言或配置语言不必提供所有通用控制机制，也能发挥其预定作用。\n\n比较性能时也需要同样谨慎。内存分配模式、内存布局、分派机制、求值策略、编译器优化以及工作负载特征，其影响都可能超过笼统的范式分类。持久化数据结构可以通过共享来减少复制，但仍会带来内存分配开销。对象可以支持模块化，但分散的布局可能损害局部性；面向对象的实现也可以采用紧凑的连续存储。声明式查询系统可能比手写循环性能更好，因为优化器能够利用索引和数据统计信息。任何一种范式都不能单独决定渐近计算复杂性或实际执行时间。\n\n在实践中，多范式设计往往会将不同的职责交给不同的风格来承担。一个服务可以使用不可变数据变换来进行校验，使用对象来实现持有资源的组件，使用声明式查询来访问已存储的数据，并使用消息驱动的并发机制来处理外部交互。棘手的边界在于那些假设发生变化的地方：纯代码调用带有副作用的操作，本地调用变成远程请求，或不可变值进入共享可变结构。接口、效应标注、所有权规则和显式协议能够让这些转换清晰可见，使程序某一部分提供的保证在其与其他部分交互时仍然成立。"
    }
  ],
  "links": [
    "programming-language",
    "algorithm",
    "software-engineering",
    "type-system",
    "garbage-collection",
    "alan-turing",
    "lambda-calculus",
    "assembly-language",
    "fortran",
    "john-mccarthy",
    "lisp-programming-language",
    "imperative-programming",
    "c-programming-language",
    "loop-invariant",
    "recursion",
    "compiler",
    "object-oriented-programming",
    "javascript",
    "functional-programming",
    "data-structure",
    "declarative-programming",
    "sql",
    "logic-programming",
    "relational-database",
    "boolean-satisfiability-problem",
    "computational-graph",
    "stream-processing",
    "event-driven-programming",
    "event-loop",
    "concurrent-computing",
    "parallel-computing",
    "race-condition",
    "deadlock",
    "distributed-computing",
    "mapreduce",
    "metaprogramming",
    "formal-verification",
    "turing-completeness",
    "computational-complexity"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}