对象执行【深入JavaScript】1.JavaScript核心概念:执行环境及作用域(读书笔记)

发一下牢骚和主题无关:

    读《JavaScript高级程序设计》第4、7章有感。

 

    

一、基本观点

    

1.什么是执行环境?(execution context)

     执行环境定义了变量或函数有权拜访的其他数据,决定了它们各自的行为。

     个人感悟:

     所谓执行环境,说的是某一段特别的代码(比如函数),它在这个“执行环境”下执行,通过这个执行环境的限制,决定了这段代码(此处是函数)允许拜访的数据是什么。

     

    

2.什么是变量对象?(variable object)

     每一个执行环境都有一个与之关联的变量对象,环境中定义的全部变量和函数都保存在这个对象中。(虽然我们编写的代码无法拜访这个对象,但解析器在处置数据时会在后台应用它)

     个人感悟:

     我认为吧,执行环境是一个很抽象的观点,而在JS代码实现中,须要具体化这个抽象观点,于是,就用一个与执行环境关联的对象,用于表示这个环境的具象存在。

     

    

3.什么是作用域链?(scope chain)

     当代码在一个环境中执行时,会创建由变量对象构成的一个作用域链。作用域链的用处,是保证对执行环境有权拜访的全部变量和函数的有序拜访

     个人感悟:

     前面说道,JavaScript通过执行环境的限制,决定变量或函数允许拜访的数据。那么,现在就通过一条链表存放全部可以拜访的变量对象(变量对象中存放可以拜访的数据),以便我们有序地拜访这些数据。(为什么要这样搞,下文会说)

     另外,作用域链本质上是一个指向变量对象的指针列表,它只引用但不现实包含变量对象。

     

    

4.什么是活动对象?(activation object)

     如果这个环境是函数,则将其活动对象作为变量对象。函数的活动对象在最开始时只包含一个变量,即arguments对象。

     个人感悟:

     按我目前狭窄地知识贮备,我所知道的就是凡是函数均会将自己的活动对象作为变量对象,然后插入作用域链的最前端。

     

    

二、执行流程

    

1.关键性知识

     先说说一些关键性的货色,再讲流程。

     (1)首先,全局执行环境是最外围的一个执行环境。在Web浏览器中,全局执行环境被认为是window对象,因此全部全局变量和函数都是作为window对象的属性和方法创建的。

     (2)其次,某个执行环境中的全部代码执行完毕后,该环境就会被销毁,保存在其中的全部变量和函数定义也随之销毁。像函数这样的局部环境的变量对象只在函数执行的进程中存在,而全局执行环境直到应用程序退出时才会被销毁。

     (3)然后,每一个函数在第一次被调用时都会创建自己的执行环境及相应的作用域链,并把作用域链赋值给一个特别的内部属性[[Scope]],然后,应用this、arguments和其他定名参数的值来初始化函数的活动对象。(函数均会将自己的活动对象作为变量对象,用以表示自己的执行环境)

     (4)最后,关于上一点还有一些关于创建作用域链的细节。以函数为例,创建函数时,会创建一个事后包含全局变量对象的作用域链,这个作用域链被保存在内部的[[Scope]]属性中。当调用函数时,会为函数创建一个执行环境,然后通过复制函数的[[Scope]]属性中的对象构建起执行环境的作用域链。此后,又有一个活动对象(在此作为变量对象应用)被创建并被推入执行 环境作用域链的前端。

     

    

2.执行进程

     有上面的铺垫,上面开始讲流程。

     (1)开始执行代码。 // 初始环境是在全局执行环境中

     (2)构建一条作用域链,链接到全局对象中 // 为window对象创建作用域链,此时链中元素只有一个对象,这就是全局执行对象

     执行流进入一个函数时:

    

     (3)创建函数自己的执行环境。   // 即应用this、arguments和其他定名参数的值来初始化自己的活动对象

    每日一道理
微笑,是春天里的一丝新绿,是秋日里的一缕阳光,是骄阳下的一片浓荫,是冬雪中的一株梅红……微笑着去面对吧,你会感到人生是那样的温馨与甜蜜!

     // 并将活动对象作为变量对象,用以表示自己的执行环境

     (4)构建一条作用域链,将链头指针赋值到函数的一个特别的内部属性[[Scope]]中。

     // 作用域链的前端,一直都是当前执行的代码地点环境的变量对象

     // 活动对象在最开始时只包含一个变量,即arguments对象(这个对象在全局环境中是不存在的)

     // 作用域链中的下一个变量对象来自包含(外部)环境,而再下一个变量对象则来自下一个包含环境。

     这样,一直延续到全局执行环境,全局执行环境的变量对象一直都是作用域链中的最后一个对象

     (5)将函数的环境推入一个环境栈中。

     (6)执行函数代码。   

     // 如果中途须要搜索标识符,则此时就是沿着作用域链一级一级地搜索,这就是作用域链的用处

     (7)函数执行完毕,栈将其环境弹出,把控制权返回会之前的执行环境。

     // 也就是作用域链中函数执行环境的上一个执行环境

     (8)销毁该函数的环境。

       //即销毁该函数的变量对象,保存在其中的全部变量和函数定义也随之销毁

    

     (9)执行其他代码,退出程序时销毁全局执行环境。

     

     好吧我否认我写得太抽象了,来个例子理解一下吧:

var color = "blue";
function changeColor(){
    var anotherColor = "red";
    function swapColors(){
        var tempColor = anotherColor;
        anotherColor = color;
        color = tempColor;
        // 这里可以拜访color、anotherColor和tempColor    
  }
// 这里可以拜访color和anotherColor,但不能拜访tempColor swapColors();
} changeColor();
// 这里不能拜访anotherColor和tempColor,但可以拜访color alert("Color is now " + color);
  下图是以swapColors函数为例的示意图:(changeColor函数的作用域链构造与此相似)

    对象和执行

     上图说的就是,当执行流进入swapColors函数的时候,在函数内部维护着这么一条指针链表,也即之前说的:作用域链。

 

     通过这条作用域链,函数在搜索变量或函数的时候,有了一条有序准确的路径。当函数须要读写某一变量的时候,首先从链表最前端即swapColors Scope(变量对象)中寻觅是不是有该变量,如有,则搜索停止,不再向上查找,若无,则沿着作用域链向上查找。

     通过上图我们可以看出:

     这些环境之间的联系是线性的、有顺序的。每一个环境都可以向上搜索作用域链,以查询变量和函数名;但任何环境都不能通过向下搜索作用域链而进入另一个执行环境。

     

    

三、总结

     作用域链的作用体现在两个很重要的地方。第一个是标识符的解析,第二个就是闭包。

     标识符解析是沿着作用域链一级一级地搜索标识符的进程。搜索进程一直从作用域链的前端开始,然后逐级地向后回溯,直至找到标识符为止,找不到则报错。

     而闭包,同样须要利用到这个作用域链。关于闭包,下一篇文章再细讲哈。

     专心看一大篇货色不容易,谢一个~

     共勉。

文章结束给大家分享下程序员的一些笑话语录: N多年前,JohnHein博士的一项研究表明:Mac用户平均IQ要比PC用户低15%。超过6000多的参加者接受了测试,结果清晰的显示IQ比较低的人会倾向于使用Mac。Mac用户只答对了基础问题的75%,而PC用户却高达83%。


内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种融合联邦学习框架与隐私保护机制的电力负荷预测方法,旨在解决传统集中式数据处理中潜在的用户隐私泄露问题。通过构建分布式模型训练体系,各参与方在本地完成模型训练,仅向中心服务器上传模型参数或梯度信息,实现“数据不动模型动”的协同建模模式,确保数据“可用不可见”。研究采用Python语言实现了完整的联邦学习流程,涵盖客户端本地训练、全局模型聚合、隐私保护策略(如差分隐私或同态加密)集成、通信机制设计及预测性能评估等核心模块,显著提升了电力负荷预测在隐私安全与模型精度之间的平衡能力。; 适合人群:具备Python编程基础和机器学习基础知识,从事电力系统、智能电网、能源大数据分析、数据隐私保护等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于居民或工业级电力负荷预测任务,在保障用户用电数据隐私的前提下实现高精度预测;②为构建符合数据合规要求的智慧能源管理系统提供技术支撑;③推动联邦学习在能源互联网、跨企业数据协作等场景中的落地应用,促进多方协同建模与数据价值释放。; 阅读建议:建议读者结合文中提供的Python代码进行实践操作,重点关注联邦学习的通信轮次设置、本地训练迭代策略、模型聚合算法设计以及隐私噪声添加机制的实现细节,并可根据实际需求替换底层预测模型(如LSTM、XGBoost、Transformer等)以进一步优化预测性能。
内容概要:本文介绍了一种基于噪声抑制半监督学习的锂离子电池SOH(State of Health,健康状态)估计方法的Python代码实现,旨在通过结合半监督学习框架与噪声抑制技术,提升电池健康状态预测的准确性与鲁棒性。该方法充分利用少量有标签样本和大量无标签数据进行模型训练,有效缓解了实际应用中电池老化数据标注成本高、获取困难的问题。文中详细阐述了模型的整体架构设计、关键特征提取策略、噪声处理机制以及半监督学习中的损失函数构建,并提供了完整的可复现代码,便于研究人员理解和二次开发。; 适合人群:具备一定机器学习理论基础和Python编程能力,从事电池管理系统(BMS)、新能源汽车、储能系统等领域的科研人员或工程师,尤其适用于关注电池寿命预测、状态估计及数据驱动建模的研究生与青年学者。; 使用场景及目标:①实现锂离子电池健康状态的高精度估计,服务于电池管理系统的优化与安全预警;②为工业场景下标注数据稀缺的退化建模问题提供一种高效的半监督解决方案;③推动复杂噪声环境下电池性能退化预测的研究进展,增强模型在真实工况中的泛化能力和稳定性; 阅读建议:建议读者结合所提供的Python代码逐模块深入学习,重点理解数据预处理流程、噪声抑制模块的设计原理以及半监督损失函数的实现细节,同时可在不同公开电池数据集上进行迁移实验与对比分析,以全面掌握该方法的有效性与适用边界。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值