实用类型系统 (PTS) 的本质和基础

引言

在本文中，我们将更深入地探讨 PTS — 它的目标和非目标、它的历史、需要避免什么，以及它的核心类型。

背景

本节提供了理解 PTS 精髓所必需的基本背景信息。

历史

实用类型系统（PTS）起源于 实用编程语言（PPL）。我创建 PPL 是为了尝试一种编程语言如何能够帮助在更少的时间内编写更可靠、更可维护的代码。PPL 是一种编译型、高级、面向对象且函数式的编程语言，专为应用程序编程设计。

我用 Java 编写了 PPL 的早期版本。经过几次迭代，我使用 PPL 自举了 PPL 编译器，最终 PPL 是用 PPL 编写的。

值得注意的是，PPL 被用于编写

• 早期版本的 实用数据和标记语言（PDML）。

• 早期版本的 实用标记语言（PML）（我自 2019 年以来一直使用它来撰写所有文章，包括这篇的 原始版本）。

  注意：PDML 和 PML 最终被重写为 Java，以便更适合开源项目。

• 某商业 ERP 应用的少量部分。

因此 PPL 不仅仅是一个玩具语言 — 它在一定程度上经过了测试且可用，尽管距离生产就绪还有很长一段距离（文档不全、标准库简陋、无 IDE 支持等）。由于其不成熟，PPL 从未开源。它现在已经休眠了几年 — 但未来可能会改变。

关键是，PPL 帮助我学到了很多关于语言设计和类型系统的知识，现在我想分享和讨论我学到的东西。非常欢迎建设性的反馈，希望由此产生的知识能对设计未来的编程语言有所帮助。

简而言之：PTS 是一套我在 PPL 中完善的想法，现在将其发布出来，因为它们似乎很有用。

我们需要区分PTS 范式和PTS 语法。两者都源于 PPL，并将按以下章节介绍。

if (condition) {
    i = 1;
} else {
    i = 2;
}

if condition
    i = 1
else
    i = 2
.

if condition
i = 1
else
i = 2
.

“禁止”特性

引用

完美，不是在无事可增时达到，而是在无事可减时达到。

— 安托万·德·圣埃克苏佩里

绝佳的建议！

在添加特性之前，我们应该首先认真思考不添加什么。

通过简单地不支持几种特性，可以轻松消除大量错误和不必要的复杂性，即使它们很受欢迎并且可能在其他上下文中是有意义的。

下面列出了一些会增加软件错误风险、引入不必要复杂性，并经常损害生产力、剥夺我们编码乐趣的特性。其中一些特性更多地与编程语言相关，但由于它们与类型系统紧密相关，因此在此提及是有价值的。

以下特性不应出现在 PTS 中

• 未定义状态

  示例：不提供对使用未初始化变量的保护。变量可能包含访问其值时内存中的任何随机垃圾。

  有关更多信息和示例，请阅读维基百科文章 未定义值，该文章警告我们

  没有极限。最坏的情况是，易于检测的崩溃；最坏的情况是，看似无关的计算中存在微妙的错误。

• 未定义行为

  未定义行为意味着应用程序的行为可能变得完全不可预测，因为某些语言用法既不被编程语言指定，也不被其实现（编译器/解释器）指定。

  例如，在某些语言中，整数除以零会导致未定义行为。

  维基百科指出
  
  在 C 社区中，未定义行为可能被幽默地称为“鼻孔恶魔”，源自 comp.std.c 论坛的一个帖子，该帖子解释说未定义行为允许编译器做任何它选择的事情，甚至“让恶魔从你的鼻孔里飞出来”。

  为了获得实际说明，我建议深入阅读以下文章

  • 每个 C 程序员都应该了解的关于未定义行为的知识 #2/3，作者 Chris Lattner（LLVM 和 Clang 编译器联合创始人）

  • C 和 C++ 中的未定义行为指南，第一部分，作者 John Regehr，犹他大学计算机科学教授

  未定义状态和未定义行为是可怕的 — 真的可怕。

• 未指定行为

  未指定行为与未定义行为密切相关，但有所不同。在这种情况下，行为同样未被编程语言指定，但编译器/解释器选择如何做，并且这可能在工具文档中有所说明。

  例如，编译器 A 在给定情况下执行 X，而编译器 B 执行 Y。

  这为同一源代码在不同运行时行为打开了大门，具体取决于在给定上下文中使用的编译器/解释器，以及宿主操作系统和底层硬件架构。例如，应用程序可能在用一个编译器编译时正常运行，但用另一个编译器编译时无法正常运行。

• 被静默忽略的错误

  示例：静默忽略的算术溢出错误，例如 2_000_000_000 + 2_000_000_000（两个有符号 32 位整数相加）在 C#、Java 等编程语言中被错误地计算为 -294_967_296。

• 不安全的空值处理

  缺乏对臭名昭著的 空指针解引用（如今是“十亿美元错误”的同义词）的保护。

• 默认可变数据

  数据应默认不可变，仅在明确指定时才可变。有关基本原理的摘要，请参阅我的文章 除非有充分理由，否则将所有数据结构设为不可变！ 中的 使所有数据结构不可变，除非有充分理由使其可变！。

• 共享可变数据

  共享可变数据可能导致奇怪的行为和难以查找和修复的错误。Henrik Eichenhardt 的文章 为什么共享可变状态是万恶之源 很好地解释了这一点。

• 隐式类型转换/强制转换

  当存在信息丢失、错误数据或其他棘手错误的风险时，隐式类型转换/强制转换就容易出错。

  这种“禁止特性”有不同的变种。

  最突出的情况可能是不同性质和/或不同范围的数字类型之间的隐式转换/强制转换，例如将浮点数强制转换为整数，或将 32 位整数强制转换为 16 位整数。

  另一个例子是将字符串隐式强制转换为数字，或者如果字符串不代表有效数字，则强制转换为零。

• 动态类型

  为中大型项目设计的类型系统应支持静态类型，因为它可以在编译时捕获更多错误，并提供其他优势。

  以下是一些动态类型编程语言：JavaScript、Lisp、Lua、PHP、Python 和 Ruby。

  静态类型用于 C、C++、C#、Go、Haskell、Java、Kotlin、Rust 等语言。

  注意

  静态类型并不妨碍类型系统也提供模拟动态类型的机制，如果需要的话。

• 缓冲区溢出

• 指针算术

  快速概览，请参阅 C 语言中指针的危险是什么？

• 手动内存管理
• 值类型和引用类型共存于同一数据

  值类型和引用类型之间存在重要区别，忽略它们可能导致微妙的错误。

  例如，当一个对象在一个函数中被修改时，只有在引用类型的情况下，这种修改才会反映在调用上下文中。如果数据是按值传递的，则修改不会传播到调用上下文。

  在 C# 和 Java 中，整数可以是值类型或引用类型。

  C# 示例：int i1 = 1; object i2 = 1;

  Java 示例：int i1 = 1; Integer i2 = 1;

  有关更多信息，请阅读 值类型和引用类型（与 C# 相关，但主要适用于其他语言）。

• 类型继承层次结构根类型的过多功能

  示例：相等性、比较、哈希、复制函数/方法，以及存在于根类型中的其他功能（Jon Skeet 的文章 重新设计 System.Object/java.lang.Object 中对此有很好的解释）。

• 其他

  不必要的复杂性和易出错性可能由各种其他类型系统或语言构造引起。例如，以下这些可怕的功能都可以在 JavaScript 中找到

  • 真值、假值和空值

  • 被隐藏和提升的变量

  • == 和 === 运算符的复杂规则

  • 怪异的对象。

上述部分特性在性能受限的环境中是有意义的，例如在 系统编程 和实时系统中。例如，不检查缓冲区/算术溢出/下溢、指针算术和手动内存管理可以提高效率。手动内存管理（而不是使用自动垃圾回收器）通常是具有最大时间延迟硬约束的实时系统中唯一可行的选择，因为任意时间延迟（即使只有几微秒，通常由垃圾回收器引起）也是不可容忍的。然而，这些特性通常不应包含在为应用程序编程设计的高级类型系统中，在这些系统中，最大的可靠性、可维护性和生产力比最大的效率更重要。

我们都想要性能，但如果 PTS 中必须在可靠性和性能之间做出选择，那么可靠性胜出。例如，检查算术溢出错误会增加可靠性，但会降低性能。我们不想处理 Russ Cox 文章 C 和 C++ 优先考虑性能而非正确性 中解释的困难。为了覆盖应用程序的关键性能部分，高级编程语言应该支持调用用 C 或 Rust 等为性能优化的低级语言编写的代码。

为了使本节简短，我们不会详细阐述上述特性的危险。实践表明，它们都导致了无数的软件应用程序故障 — 其中一些导致了灾难。只需记住

• Ariane 5 火箭 爆炸 是由于将 64 位数字强制转换为 16 位空间。

• 微软 表示：“70% 的安全漏洞是内存安全问题”。

JavaScript 中可以轻松找到更多示例。JavaScript 类型系统的好处在于，它教会了我们如何不设计一个实用的类型系统。人们现在充分认识到该语言中潜藏着许多怪癖，并且会出乎意料地在各种应用程序中出现。其中一些很有趣，另一些可能会让你目瞪口呆。在 WTF JavaScript？ 中展示了许多示例（我最喜欢的是 null 是假值，但不是 false）。甚至还有一首名为 Bug in the JavaScript 的歌曲，由 Dylan Beattie 演唱，他是一位出色的演讲者，也是 Rockstar 编程语言 的创造者。

核心类型

每个类型系统都需要提供一些核心、原生类型。核心类型是更复杂类型的构建块；它们为创建定制的、项目特定的类型提供了重要的基础。

注意

创建自定义类型的能力是基本要求，它允许开发人员应用 数据优先方法 和 PTS 编码规则，这两者都在前一篇文章中进行了解释。

本节提供了 PTS 核心类型的快速概述。类型操作（例如，如何获取子字符串或如何过滤集合）和实现细节不在讨论范围之内。

注意

面向经验丰富的软件开发人员的摘要

PTS 提供标量类型（字符、字符串、数字、布尔值）、集合（列表、集合和映射）以及 null（是的，是 null，而不是 Maybe 或 Option，原因稍后解释）。

您可以快速浏览本节或 跳过。

'a'
'1'
'!'
'\n'        // <line feed>
'\''        // '
'\u2714'    // ✔
'\U001F600' // 😀

"foo"                        // foo

"line 1\nline 2"             // line 1
                             // line 2

"\"Hello\" \\ \U0001F60A"    // "Hello" \ 😊

write_line ( """File: C:\foo\bar.txt
SQL command: select "first_name", "last_name" from "employees"
line \3\
""" )

const name = "Peter Deutsch"
const quote = "If you get the data structures and their invariants right, most of the code will just write itself."
write_line ( """{{name.to_upper_case}} said:
    "{{quote}}"""" )

File: C:\foo\bar.txt
SQL command: select "first_name", "last_name" from "employees"
line \3\

PETER DEUTSCH said:
    "If you get the data structures and their invariants right, most of the code will just write itself."

123
0
-123

// largest prime number found with a mechanical calculator by Aimé Ferrier:
20988936657440586486151264256610222593863921

123.45
0.0
-1.007

// pi with 50 decimals:
3.14159265358979323846264338327950288419716939937510

// using an exponent:
10E10
-123.45E-12

[list<string> "good" "better" "best"]

[mutable_list<any> "abc" 'd' 'd' 1+1]

[list<boolean> true false true]

[list true false true]

[set "Tim" "Tom" "Tam"]

[map<string,any>
    "digit" : 1
    "letter": 'a'
] 

下一步？

到目前为止，您应该对 PTS 是什么、不是什么以及旨在实现什么有了很好的概述。

我们想要一个简化可靠类型定义的类型系统，我们希望在开发周期尽早检测到错误 — 最好在编译/编辑时，或者尽早地在运行时。

在接下来的文章中，我们将逐步探索实现“在更少的时间内编写更可靠、更可维护代码”这一目标所需的特性。我们将讨论记录类型和联合类型、空安全、错误处理、受约束的标量、消除空字符串等。

致谢

非常感谢Tristano Ajmone提供的宝贵反馈，以改进本文。