前言
lodash受欢迎的一个原因，是其优异的计算性能。而其性能能有这么突出的表现，很大部分就来源于其使用的算法——惰性求值。
本文将讲述lodash源码中，惰性求值的原理和实现。
一、惰性求值的原理分析
以下是How to Speed Up Lo-Dash ×100? Introducing Lazy Evaluation.（如何提升Lo-Dash百倍算力？惰性计算的简介）文中的示例，形象地展示惰性求值。
function priceLt(x) {
return function(item) { return item.price < x; };
}
var gems = [
{ name: 'Sunstone', price: 4 },
{ name: 'Amethyst', price: 15 },
{ name: 'Prehnite', price: 20},
{ name: 'Sugilite', price: 7 },
{ name: 'Diopside', price: 3 },
{ name: 'Feldspar', price: 13 },
{ name: 'Dioptase', price: 2 },
{ name: 'Sapphire', price: 20 }
];
var chosen = _(gems).filter(priceLt(10)).take(3).value();
程序的目的，是对数据集gems进行筛选，选出3个price小于10的数据。
1.1 一般的做法
如果抛开lodash这个工具库，让你用普通的方式实现var chosen = _(gems).filter(priceLt(10)).take(3);那么，可以用以下方式：_(gems)拿到数据集，缓存起来。
再执行filter方法，遍历gems数组（长度为10），取出符合条件的数据：
[
{ name: 'Sunstone', price: 4 },
{ name: 'Sugilite', price: 7 },
{ name: 'Diopside', price: 3 },
{ name: 'Dioptase', price: 2 }
]
然后，执行take方法，提取前3个数据。
[
{ name: 'Sunstone', price: 4 },
{ name: 'Sugilite', price: 7 },
{ name: 'Diopside', price: 3 }
]
总共遍历的次数为：10+3。
执行的示例图如下：
1.2 惰性求值做法
普通的做法存在一个问题：每个方法各做各的事，没有协调起来浪费了很多资源。
如果能先把要做的事，用小本本记下来