柯里化是将多参数函数转换为一系列单参数函数，核心在于固定部分参数、延迟执行，提升计算的灵活性、复用性与组合性。
柯里化不是为“拆解公式”而生的，而是把多参数函数转换成一系列单参数函数。它真正帮上忙的地方，是让复杂计算更灵活、可复用、易组合——尤其当你反复用到某几个固定参数时。
理解柯里化的本质：固定部分参数，延迟执行
比如一个三维空间中点到平面的距离公式：
d = |Ax + By + Cz + D| / √(A² + B² + C²)
其中 A、B、C、D 是平面系数（通常固定），x、y、z 是动点坐标（每次不同）。这时候，你可以先柯里化出“针对某个特定平面”的距离函数：
```js
const distanceToPlane = (A, B, C, D) => (x, y, z) => {
const numerator = Math.abs(A * x + B * y + C * z + D);
const denominator = Math.sqrt(A * A + B * B + C * C);
return numerator / denominator;
};
// 固定一个平面：x + 2y - 2z + 4 = 0
const distToMyPlane = distanceToPlane(1, 2, -2, 4);
console.log(distToMyPlane(0, 0, 0)); // → 4 / 3 ≈ 1.333
console.log(distToMyPlane(1, 1, 1)); // → |1+2−2+4|/3 = 5/3 ≈ 1.667
```
用通用柯里化工具处理任意多参公式
如果公式参数多、变化频繁（比如物理中的万有引力 F = G·m₁·m₂ / r²），可以封装一个通用柯里化函数，按需冻结前 N 个参数：
- 手动实现（简洁版）：
const curry = (fn) => (a) => (b) => (c) => fn(a, b, c); - 支持不定长参数的实用版：
const curry = (fn) => {
return function curried(...args) {
if (args.length >= fn.length) return fn(...args);
return (...more) => curried(...args, ...more);
};
}; - 应用示例：
const gravity = (G, m1, m2, r) => G * m1 * m2 / (r * r);
const earthGravity = curry(gravity)(6.67430e-11, 5.972e24); // 固定 G 和地球质量 m1
console.log(earthGravity(70, 6371000)); // 计算 70kg 物体在地表所受引力 ≈ 686N
和函数组合搭配，构建计算流水线
柯里化真正的威力，在于和 compose 或 pipe 配合。比如计算“某点绕原点旋转 θ 后再缩放 s 倍的坐标”：
在 Java 中初始化和管理阿里云 SDK客户端。包括单例模式、线程安全、endpoint 与 region 配置、VPC 终端节点、同步与异步等。
- 先写基础变换函数（都设计成柯里化形式）：
const rotate = (θ) => ({x, y}) => ({
x: x * Math.cos(θ) - y * Math.sin(θ),
y: x * Math.sin(θ) + y * Math.cos(θ)
});
const scale = (s) => ({x, y}) => ({x: x * s, y: y * s}); - 组合使用：
const rotateThenScale = (θ, s) => (point) =>
scale(s)(rotate(θ)(point));
// 或用 pipe：
const pipe = (...fns) => (x) => fns.reduce((v, f) => f(v), x);
const transform = pipe(rotate(Math.PI/4), scale(2));
console.log(transform({x: 1, y: 0})); // 先转45°，再放大2倍 → {x: √2, y: √2}
注意边界：别为了柯里化而柯里化
以下情况不建议强行柯里化：
立即学习“Java免费学习笔记（深入）”；
- 参数之间强耦合、顺序不能随意调整（如矩阵乘法 A×B 要求 A 在前 B 在后，但交换后结果完全不同）
- 公式本身是纯查表或递归（如斐波那契、阶乘），柯里化不带来复用优势
- 性能敏感场景（高频调用的小函数），闭包开销可能略高于直接传参
- 团队协作中成员不熟悉柯里化，反而降低可读性
柯里化是组织计算逻辑的一种方式，不是数学公式的解析器。它的价值在于让你把“变”和“不变”清晰分开，让代码像公式推导一样分步、可验、可重用。
