基于Scala开发Spark ML的ALS推荐模型实战

通过元方法__index、__newindex、rawset，我们可以实现属性的Get/Set访问，类似于C#：

public string name;
public string Name
{
    get => name;
    set => name = value;
}

方法一：将属性数据存在元表中

local meta = { name = "meta" }
meta.__index = function(self, key)
	print("Get Key = " .. tostring(key))
	return meta[key]
end
meta.__newindex = function(self, key, value)
	print("Set Key = " .. tostring(key) .. " , value = " .. tostring(value))
	meta[key] = value
end
local table = {}
setmetatable(table, meta)
print("—— 1 ——")
print(table.name)
print("—— 2 ——")
table.name = "table"
print("—— 3 ——")
print(table.name)

---输出结果：
-- —— 1 ——
-- Get Key = name
-- meta
-- —— 2 ——
-- Set Key = name , value = table
-- —— 3 ——
-- Get Key = name
-- table

__index 可视为该table中所有属性的Get方法，通过参数Key区分不同的属性；
__newindex 可视为该table中所有属性的Set方法，通过参数Key区分不同的属性；
该方法的局限性在于，子表不得绕过元方法对属性进行修改（比如通过 rawset 方法），这是为了防止：因为子表有对应的属性，而无法触发到元表的 __index 方法
这也意味着，之后对于子表所有的属性获取与修改，都会反馈到元表上，子表永远都会是个空的table

方法二：将属性数据存在子表中

local meta = {
	__index = function(self, key)
		print("Get Key = " .. tostring(key))
		return self._TEMP_META_DATA_[key]
	end,
	__newindex = function(self, key, value)
		print("Set Key = " .. tostring(key) .. " , value = " .. tostring(value))
		rawset(self._TEMP_META_DATA_, key, value)
	end,
}
local table = {}
table._TEMP_META_DATA_ = {}
setmetatable(table, meta)
print("—— 1 ——")
print(table.name)
print("—— 2 ——")
table.name = 5
print("—— 3 ——")
print(table.name)

---输出结果：
-- —— 1 ——
-- Get Key = name
-- 
-- —— 2 ——
-- Set Key = name , value = 5
-- —— 3 ——
-- Get Key = name
-- 5

该方法的优势在于，对子表的修改都能反馈到子表上，并由此可以衍生许多进阶写法

未完待续……