在函数式编程实践中，组合（compose）与管道（pipe）是构建数据处理流程的两种核心模式。它们都能将多个单一职责的函数串联成一条完整的处理链路，但两者在数据流动方向上截然相反。掌握这一关键差异，对于编写结构清晰、易于维护的代码至关重要。
简而言之，compose 遵循从右向左的执行顺序。当你调用 compose(f, g, h)(x) 时，其实际计算过程等同于 f(g(h(x)))。数据 x 首先由最右侧的函数 h 处理，其结果传递给 g，最终由最左侧的 f 输出。而pipe 则采用从左向右的执行顺序，pipe(f, g, h)(x) 等价于 h(g(f(x)))，其数据流向更贴近我们自然的阅读与书写习惯。
如何利用 compose 实现 pipe 的数据流逻辑
那么，如果项目中已经有一个稳定可靠的 compose 函数，我们该如何借助它来实现 pipe 的功能呢？核心技巧在于对传入的函数序列进行顺序反转。
以一个常见的字符串处理流程为例：首先去除首尾空格（trim），然后转换为全小写（toLowerCase），最后将首字母大写（capitalize）。使用 pipe 可以直观地表达为：pipe(trim, toLowerCase, capitalize)。
若希望使用 compose 达成完全相同的处理效果，只需将函数参数列表逆序排列后传入：compose(capitalize, toLowerCase, trim)。如此一来，尽管函数参数的书写顺序发生了变化，但数据实际的执行链路（trim → toLowerCase → capitalize）以及最终输出结果，与直接使用 pipe 完全一致。
基于 compose 封装可复用的 pipe 函数
理解了上述原理，封装一个轻量的 pipe 函数便水到渠成。你无需重复实现一套执行引擎，只需基于现有的 compose 函数，构建一个简单的适配层：
const pipe = (...fns) => compose(...fns.reverse());
这个 pipe 函数接收任意数量的函数作为参数，在内部将其顺序反转后，再调用底层的 compose 执行。这样既充分复用了经过验证的 compose 核心逻辑，又为开发团队提供了符合直觉的 pipe 调用接口。事实上，许多主流工具库（例如 Lodash 中的 flow 方法）在内部也采用了类似的实现思路。
构建清晰逻辑分层的关键要素
然而，无论选择 compose 还是 pipe，工具本身并不能自动保证代码的清晰度。实现真正清晰的逻辑分层，其根本在于对基础函数的设计与组织。
- 单一职责原则：每个基础函数应专注于完成一项明确的任务，例如
validateEmail（验证邮箱格式）、formatPhoneNumber（格式化手机号）、maskSensitiveData（脱敏敏感信息）。 - 语义化命名：组合而成的新函数应赋予一个能准确反映其业务价值的名称，例如
sanitizeUserInput = pipe(trim, toLowerCase, validateEmail)，使其意图一目了然。 - 避免内联复杂逻辑：切忌在组合链中直接嵌入冗长的匿名函数或复杂表达式，这会迅速破坏管道的可读性与可测试性，使得调试和维护变得困难。
在异步编程场景中的应用
同样的组合与管道思想完全可以延伸至异步操作。假设你需要依次执行以下返回 Promise 的函数：获取用户信息（fetchUser）、丰富用户资料（enrichProfile）、将结果缓存至本地（cacheLocally）。
- 你可以实现一个
asyncPipe来组织流程：asyncPipe(fetchUser, enrichProfile, cacheLocally)。 - 如果坚持使用
compose风格，则可写作compose(cacheLocally, enrichProfile, fetchUser)，并确保链路上的每个函数都能正确处理上游传递的 Promise 对象。
其核心原则保持不变：数据始终沿着单一方向、依次流经每一个处理阶段。无论是同步还是异步操作，是选择 compose 还是 pipe，其本质区别仅在于函数声明的顺序与执行顺序是否一致。在实际项目中如何选择，更多取决于团队的编码规范以及对代码可读性的共同约定。
