@k2works/claude-code-booster 4.9.0 → 4.11.0

package/lib/assets/docs/article/grokkingfp/all/part-4-ch09-streams.md

@@ -1,926 +1,926 @@
-# Part IV - 第 9 章：ストリーム処理
-
-## 9.1 はじめに：遅延評価と無限のデータ
-
-リスト（配列）は全要素をメモリに保持する有限のデータ構造です。しかし、現実のプログラムでは「無限に続くデータ」を扱う場面があります：
-
-- センサーからのリアルタイムデータ
-- 為替レートの連続的な変動
-- サイコロを何度も振る試行
-- ログイベントの継続的な流れ
-
-**ストリーム**は、遅延評価により「必要な時に必要な分だけ」要素を生成するデータ構造です。本章では、11 言語でのストリーム処理を横断的に比較し、以下を明らかにします：
-
-- ストリームの実現方式の違い（言語組み込み遅延評価 vs ライブラリ vs ジェネレータ）
-- 無限ストリームの生成パターン（repeat / iterate / unfold / cycle）
-- スライディングウィンドウによるトレンド検出の実装差異
-
-```plantuml
-@startuml
-!theme plain
-
-rectangle "List vs Stream" {
-  rectangle "List" as list {
-    card "全要素がメモリに存在"
-    card "有限"
-    card "即座に評価（正格）"
-  }
-
-  rectangle "Stream" as stream {
-    card "必要な時に要素を生成"
-    card "無限も可能"
-    card "遅延評価"
-  }
-}
-
-note bottom of stream
-  take(n) で有限個を取得
-  filter / map で変換
-  sliding(n) でウィンドウ分割
-end note
-
-@enduml
-```
-
----
-
-## 9.2 共通の本質：遅延評価による無限シーケンス
-
-11 言語すべてに共通するストリームの原則は、**遅延評価によって無限のデータを有限のメモリで扱う**ことです：
-
-1. **遅延生成**: 要素は要求されるまで生成されない
-2. **変換の連鎖**: map / filter をストリームに適用しても即座に全要素を処理しない
-3. **実体化**: take / toList / collect で必要な分だけ取り出す
-
-3 つの言語グループから代表例を見てみましょう：
-
-```haskell
--- Haskell: リストがデフォルトで遅延評価
-naturals :: [Integer]
-naturals = [1..]
-
-take 5 naturals  -- [1, 2, 3, 4, 5]
-
--- フィボナッチ数列（自己参照的定義）
-fibs :: [Integer]
-fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
-
-take 10 fibs  -- [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
-```
-
-```scala
-// Scala: fs2 Stream ライブラリ
-import fs2.{Pure, Stream}
-
-val infinite123s: Stream[Pure, Int] = Stream(1, 2, 3).repeat
-infinite123s.take(8).toList  // List(1, 2, 3, 1, 2, 3, 1, 2)
-
-// IO を含む無限ストリーム
-val infiniteDieCasts: Stream[IO, Int] = Stream.eval(castTheDie()).repeat
-infiniteDieCasts.take(3).compile.toList.unsafeRunSync()  // List(4, 2, 6)
-```
-
-```python
-# Python: ジェネレータで遅延評価
-from itertools import count, islice
-
-def cycle_stream(items):
-    while True:
-        yield from items
-
-list(islice(cycle_stream([1, 2, 3]), 8))  # [1, 2, 3, 1, 2, 3, 1, 2]
-```
-
----
-
-## 9.3 ストリームの実現方式
-
-### アプローチ 1: 言語組み込みの遅延評価
-
-| 言語 | ストリーム型 | 特徴 |
-|------|-----------|------|
-| **Haskell** | `[a]`（リスト自体が遅延） | デフォルト遅延評価、特別な型不要 |
-| **Clojure** | `lazy-seq` / `range` 等 | 遅延シーケンスが標準 |
-
-### アプローチ 2: ストリームライブラリ
-
-| 言語 | ライブラリ | ストリーム型 | IO 統合 |
-|------|-----------|-----------|--------|
-| **Scala** | fs2 | `Stream[F, A]` | `Stream[IO, A]` で IO とストリームを統合 |
-| **Rust** | futures | `Stream<Item = T>` | `then` / `buffered` で非同期処理 |
-
-### アプローチ 3: 言語の遅延評価プリミティブ
-
-| 言語 | プリミティブ | 構文 |
-|------|-----------|------|
-| **F#** | `seq { }` | `Seq.take`, `Seq.windowed` |
-| **C#** | `IEnumerable<T>` | `yield return`, LINQ |
-| **Elixir** | `Stream` モジュール | `Stream.cycle`, `Stream.unfold` |
-
-### アプローチ 4: ジェネレータ / カスタム実装
-
-| 言語 | プリミティブ | 構文 |
-|------|-----------|------|
-| **Python** | `Generator` | `yield` / `yield from` |
-| **TypeScript** | `Generator` | `function*` / `yield` |
-| **Java** | カスタム `LazyStream` | `Supplier<Option<Cons<A>>>` |
-| **Ruby** | `Enumerator::Lazy` | `Enumerator.new` + `loop` |
-
----
-
-## 9.4 無限ストリームの生成パターン
-
-### 4 つの基本パターン
-
-| パターン | 説明 | 例 |
-|---------|------|-----|
-| **repeat** | 同じ値（列）を無限に繰り返す | `[1,2,3,1,2,3,...]` |
-| **iterate** | 関数を繰り返し適用 | `[1,2,4,8,16,...]` |
-| **unfold** | 状態から次の要素と新しい状態を生成 | フィボナッチ数列 |
-| **generate** | 副作用のある関数を繰り返し呼ぶ | サイコロを振り続ける |
-
-### 全 11 言語の生成関数比較
-
-| パターン | Haskell | Scala | Rust | F# | C# | TypeScript | Python | Java | Ruby | Clojure | Elixir |
-|---------|---------|-------|------|-----|-----|-----------|--------|------|------|---------|--------|
-| **repeat** | `repeat x` | `.repeat` | `stream::repeat` | `seq { while true }` | `yield return` loop | `while(true) yield` | `while True: yield` | カスタム | `Enumerator` + `loop` | `(repeat x)` | `Stream.cycle` |
-| **iterate** | `iterate f x` | — | `stream::unfold` | `Seq.unfold` | カスタム | `function*` | `count` / カスタム | カスタム | `iterate` メソッド | `(iterate f x)` | `Stream.iterate` |
-| **unfold** | `unfoldr f s` | `Stream.unfold` | `stream::unfold` | `Seq.unfold` | カスタム | `function*` | `function*` | カスタム | `Enumerator.new` | `lazy-seq` | `Stream.unfold` |
-| **generate** | `sequence (repeat io)` | `Stream.eval(io).repeat` | `stream::repeat_with` | `seq { yield f() }` | `yield return f()` | `function*` | `while True: yield f()` | カスタム | `IOStream.repeat_eval` | `(repeatedly f)` | `Stream.repeatedly` |
-
-### 代表例：フィボナッチ数列
-
-**Haskell**: 自己参照的定義（遅延評価の力）
-
-```haskell
-fibs :: [Integer]
-fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
-
-take 10 fibs  -- [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
-```
-
-**Rust**: `stream::unfold` で状態遷移
-
-```rust
-pub fn fibonacci_stream() -> impl Stream<Item = u64> {
-    stream::unfold((0u64, 1u64), |(a, b)| async move {
-        Some((a, (b, a + b)))
-    })
-}
-```
-
-**TypeScript**: ジェネレータ関数
-
-```typescript
-function* fibonacci(): LazyList<number> {
-  let [a, b] = [0, 1]
-  while (true) {
-    yield a
-    ;[a, b] = [b, a + b]
-  }
-}
-```
-
-### 全 11 言語のフィボナッチ実装
-
-<details>
-<summary>関数型ファースト言語</summary>
-
-**Haskell**:
-```haskell
-fibs :: [Integer]
-fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
-```
-
-**Clojure**:
-```clojure
-(def fibs
-  ((fn fib [a b]
-     (lazy-seq (cons a (fib b (+ a b)))))
-   0 1))
-
-(take 10 fibs)  ; => (0 1 1 2 3 5 8 13 21 34)
-```
-
-**Elixir**:
-```elixir
-def fibonacci do
-  Stream.unfold({0, 1}, fn {a, b} -> {a, {b, a + b}} end)
-end
-
-fibonacci() |> Enum.take(10)  # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
-```
-
-**F#**:
-```fsharp
-let fibonacci =
-    Seq.unfold (fun (a, b) -> Some(a, (b, a + b))) (0, 1)
-
-fibonacci |> Seq.take 10 |> Seq.toList
-// [0; 1; 1; 2; 3; 5; 8; 13; 21; 34]
-```
-
-</details>
-
-<details>
-<summary>マルチパラダイム言語</summary>
-
-**Scala**:
-```scala
-val fibonacci: Stream[Pure, Long] =
-  Stream.unfold((0L, 1L)) { case (a, b) => Some((a, (b, a + b))) }
-
-fibonacci.take(10).toList  // List(0, 1, 1, 2, 3, 5, 8, 13, 21, 34)
-```
-
-**Rust**:
-```rust
-pub fn fibonacci_stream() -> impl Stream<Item = u64> {
-    stream::unfold((0u64, 1u64), |(a, b)| async move {
-        Some((a, (b, a + b)))
-    })
-}
-```
-
-**TypeScript**:
-```typescript
-function* fibonacci(): LazyList<number> {
-  let [a, b] = [0, 1]
-  while (true) {
-    yield a
-    ;[a, b] = [b, a + b]
-  }
-}
-```
-
-</details>
-
-<details>
-<summary>OOP + FP ライブラリ言語</summary>
-
-**Java**:
-```java
-public static LazyStream<Long> fibonacci() {
-    return LazyStream.unfold(
-        new long[]{0, 1},
-        state -> Option.some(new Tuple2<>(state[0], new long[]{state[1], state[0] + state[1]}))
-    );
-}
-```
-
-**C#**:
-```csharp
-public static IEnumerable<long> Fibonacci()
-{
-    long a = 0, b = 1;
-    while (true)
-    {
-        yield return a;
-        (a, b) = (b, a + b);
-    }
-}
-```
-
-**Python**:
-```python
-def fibonacci():
-    a, b = 0, 1
-    while True:
-        yield a
-        a, b = b, a + b
-```
-
-**Ruby**:
-```ruby
-def fibonacci
-  Enumerator.new do |yielder|
-    a, b = 0, 1
-    loop do
-      yielder << a
-      a, b = b, a + b
-    end
-  end.lazy
-end
-```
-
-</details>
-
----
-
-## 9.5 ストリーム操作の比較
-
-### 主要操作の語彙比較
-
-| 操作 | Haskell | Scala (fs2) | Rust | F# | C# | TypeScript | Python | Clojure | Elixir | Java | Ruby |
-|------|---------|-------------|------|-----|-----|-----------|--------|---------|--------|------|------|
-| 先頭 n 個 | `take n` | `.take(n)` | `.take(n)` | `Seq.take n` | `.Take(n)` | `take(s, n)` | `islice(s, n)` | `(take n s)` | `Enum.take(s, n)` | `.take(n)` | `.take(n)` |
-| フィルタ | `filter p` | `.filter(p)` | `.filter(p)` | `Seq.filter p` | `.Where(p)` | `filterStream` | `filter` | `(filter p s)` | `Stream.filter(s, p)` | `.filter(p)` | `.filter(p)` |
-| 変換 | `map f` | `.map(f)` | `.map(f)` | `Seq.map f` | `.Select(f)` | `mapStream` | `map(f, s)` | `(map f s)` | `Stream.map(s, f)` | `.map(f)` | `.fmap(f)` |
-| 結合 | `++` | `.append(s)` | `.chain(s)` | `Seq.append` | `.Concat(s)` | `append` | `chain` | `(concat s1 s2)` | `Stream.concat` | `.append(s)` | `.append(s)` |
-| ウィンドウ | `sliding n` | `.sliding(n)` | `.chunks(n)` | `Seq.windowed n` | `Sliding(n)` | `sliding` | `stream_sliding` | `(partition n 1)` | `Stream.chunk_every` | `.sliding(n)` | `.sliding(n)` |
-| zip | `zip` | `.zip(s)` | `.zip(s)` | `Seq.zip` | `.Zip(s)` | `zipStream` | `zip` | `(map vector s1 s2)` | `Stream.zip(s1, s2)` | `.zip(s)` | `.zip(s)` |
-| 畳み込み | `foldl` | `.fold` | `.fold` | `Seq.fold` | `.Aggregate` | `reduce` | `reduce` | `(reduce f s)` | `Enum.reduce` | `.fold` | `.reduce` |
-
----
-
-## 9.6 スライディングウィンドウとトレンド検出
-
-すべての言語で共通する実践的なパターンとして、為替レートの上昇トレンドを検出する例を比較します。
-
-### パターンの構造
-
-```plantuml
-@startuml
-!theme plain
-
-rectangle "トレンド検出パイプライン" {
-  card "レートストリーム\n[0.81, 0.82, 0.85, 0.83, ...]" as rates
-  card "sliding(3)\n[[0.81, 0.82, 0.85],\n [0.82, 0.85, 0.83], ...]" as sliding
-  card "filter(trending)\n[[0.81, 0.82, 0.85]]" as filter
-  card "map(_.last)\n[0.85]" as extract
-  card "take(1)\n0.85" as take
-
-  rates --> sliding
-  sliding --> filter
-  filter --> extract
-  extract --> take
-}
-
-@enduml
-```
-
-### トレンド判定関数の比較
-
-**Haskell**:
-
-```haskell
-trending :: Ord a => [a] -> Bool
-trending xs =
-    length xs > 1 &&
-    all (uncurry (<)) (zip xs (tail xs))
-```
-
-**Scala**:
-
-```scala
-def trending(rates: List[BigDecimal]): Boolean =
-  rates.size > 1 &&
-  rates.zip(rates.drop(1)).forall {
-    case (prev, rate) => rate > prev
-  }
-```
-
-**Rust**:
-
-```rust
-pub fn trending(rates: &[f64]) -> bool {
-    rates.len() > 1 &&
-    rates.windows(2).all(|w| w[1] > w[0])
-}
-```
-
-### 全 11 言語の実装
-
-#### 関数型ファースト言語
-
-<details>
-<summary>Haskell 実装</summary>
-
-```haskell
--- スライディングウィンドウ
-sliding :: Int -> [a] -> [[a]]
-sliding n xs
-    | length window < n = []
-    | otherwise         = window : sliding n (tail xs)
-  where window = take n xs
-
--- トレンド判定
-trending :: Ord a => [a] -> Bool
-trending xs =
-    length xs > 1 &&
-    all (uncurry (<)) (zip xs (tail xs))
-
--- トレンド検出パイプライン
-findTrending :: Ord a => Int -> [a] -> [[a]]
-findTrending windowSize =
-    filter trending . sliding windowSize
-```
-
-Haskell ではリストが遅延評価されるため、無限のレートストリームに対しても `findTrending` をそのまま適用できます。
-
-</details>
-
-<details>
-<summary>Clojure 実装</summary>
-
-```clojure
-;; スライディングウィンドウ
-(defn sliding-window [n coll]
-  (partition n 1 coll))
-
-;; トレンド判定
-(defn trending? [rates]
-  (and (> (count rates) 1)
-       (every? (fn [[prev curr]] (< prev curr))
-               (partition 2 1 rates))))
-
-;; トレンド検出
-(defn find-trending [window-size stream]
-  (->> stream
-       (sliding-window window-size)
-       (filter trending?)))
-```
-
-Clojure の `partition` はステップ付きで呼ぶとスライディングウィンドウになります。
-
-</details>
-
-<details>
-<summary>Elixir 実装</summary>
-
-```elixir
-def trending?(rates) do
-  length(rates) > 1 &&
-    rates
-    |> Enum.chunk_every(2, 1, :discard)
-    |> Enum.all?(fn [prev, curr] -> curr > prev end)
-end
-
-# ストリームパイプライン
-def find_trending(rates_stream, window_size) do
-  rates_stream
-  |> Stream.chunk_every(window_size, 1, :discard)
-  |> Stream.filter(&trending?/1)
-end
-```
-
-Elixir の `Stream.chunk_every/4` はステップ引数でスライディングウィンドウを実現します。
-
-</details>
-
-<details>
-<summary>F# 実装</summary>
-
-```fsharp
-let trending (rates: float list) =
-    rates.Length > 1 &&
-    List.pairwise rates |> List.forall (fun (prev, curr) -> curr > prev)
-
-// ストリームパイプライン
-let findTrending windowSize (rates: float seq) =
-    rates
-    |> Seq.windowed windowSize
-    |> Seq.filter (fun window -> trending (Array.toList window))
-```
-
-F# の `Seq.windowed` はスライディングウィンドウを直接サポートしています。
-
-</details>
-
-#### マルチパラダイム言語
-
-<details>
-<summary>Scala 実装</summary>
-
-```scala
-def trending(rates: List[BigDecimal]): Boolean =
-  rates.size > 1 &&
-  rates.zip(rates.drop(1)).forall { case (prev, rate) => rate > prev }
-
-// fs2 ストリームパイプライン
-def exchangeIfTrending(
-    amount: BigDecimal,
-    from: Currency,
-    to: Currency
-): IO[BigDecimal] =
-  rates(from, to)
-    .sliding(3)
-    .map(_.toList)
-    .filter(trending)
-    .map(_.last)
-    .take(1)
-    .compile
-    .lastOrError
-    .map(_ * amount)
-```
-
-Scala の fs2 は `sliding` を標準で提供し、IO ストリームとシームレスに統合されます。
-
-</details>
-
-<details>
-<summary>Rust 実装</summary>
-
-```rust
-pub fn trending(rates: &[f64]) -> bool {
-    rates.len() > 1 && rates.windows(2).all(|w| w[1] > w[0])
-}
-
-// 移動平均ストリーム
-pub fn moving_average<S>(stream: S, window_size: usize) -> impl Stream<Item = f64>
-where
-    S: Stream<Item = f64> + Send + 'static,
-{
-    stream::unfold(
-        (stream.boxed(), Vec::new(), window_size),
-        |(mut stream, mut window, size)| async move {
-            match stream.next().await {
-                Some(value) => {
-                    window.push(value);
-                    if window.len() > size { window.remove(0); }
-                    let avg = window.iter().sum::<f64>() / window.len() as f64;
-                    Some((avg, (stream, window, size)))
-                }
-                None => None,
-            }
-        },
-    )
-}
-```
-
-Rust の標準ライブラリには `windows` メソッドがスライスに対して存在しますが、`futures::Stream` でのスライディングウィンドウは `unfold` で自前実装が必要です。
-
-</details>
-
-<details>
-<summary>TypeScript 実装</summary>
-
-```typescript
-const trending = (rates: readonly number[]): boolean => {
-  if (rates.length <= 1) return false
-  return rates.slice(0, -1).every((prev, i) => rates[i + 1] > prev)
-}
-
-function* sliding<A>(gen: LazyList<A>, windowSize: number): LazyList<readonly A[]> {
-  const buffer: A[] = []
-  for (const item of gen) {
-    buffer.push(item)
-    if (buffer.length === windowSize) {
-      yield [...buffer]
-      buffer.shift()
-    }
-  }
-}
-```
-
-</details>
-
-#### OOP + FP ライブラリ言語
-
-<details>
-<summary>Java 実装</summary>
-
-```java
-public static boolean trending(List<BigDecimal> rates) {
-    return rates.size() > 1 &&
-        rates.zip(rates.drop(1))
-             .forAll(t -> t._2.compareTo(t._1) > 0);
-}
-
-// LazyStream でスライディングウィンドウ
-public LazyStream<List<A>> sliding(int size) {
-    return LazyStream.unfold(this, stream -> {
-        List<A> window = stream.take(size).toList();
-        return window.size() == size
-            ? Option.some(new Tuple2<>(window, stream.drop(1)))
-            : Option.none();
-    });
-}
-```
-
-</details>
-
-<details>
-<summary>C# 実装</summary>
-
-```csharp
-public static bool Trending(IEnumerable<decimal> rates)
-{
-    var list = rates.ToList();
-    return list.Count > 1 &&
-           list.Zip(list.Skip(1), (prev, curr) => curr > prev).All(x => x);
-}
-
-// スライディングウィンドウ
-public static IEnumerable<IReadOnlyList<T>> Sliding<T>(
-    this IEnumerable<T> source, int windowSize)
-{
-    var window = new Queue<T>();
-    foreach (var item in source)
-    {
-        window.Enqueue(item);
-        if (window.Count == windowSize)
-        {
-            yield return window.ToList();
-            window.Dequeue();
-        }
-    }
-}
-```
-
-</details>
-
-<details>
-<summary>Python 実装</summary>
-
-```python
-from collections import deque
-
-def trending(rates: list[float]) -> bool:
-    return len(rates) > 1 and all(
-        curr > prev for prev, curr in zip(rates, rates[1:])
-    )
-
-def stream_sliding(stream, window_size):
-    window = deque(maxlen=window_size)
-    for item in stream:
-        window.append(item)
-        if len(window) == window_size:
-            yield list(window)
-```
-
-</details>
-
-<details>
-<summary>Ruby 実装</summary>
-
-```ruby
-def trending?(rates)
-  return false if rates.size <= 1
-  rates.each_cons(2).all? { |prev, curr| curr > prev }
-end
-
-# LazyStream のスライディングウィンドウ
-def sliding(n)
-  LazyStream.new(
-    Enumerator.new do |yielder|
-      buffer = []
-      @enumerator.each do |item|
-        buffer << item
-        if buffer.size == n
-          yielder << buffer.dup
-          buffer.shift
-        end
-      end
-    end
-  )
-end
-```
-
-</details>
-
----
-
-## 9.7 IO ストリーム：副作用とストリームの統合
-
-前章の IO モナドとストリームを組み合わせると、「副作用を持つ無限ストリーム」を安全に扱えます。
-
-### 代表 3 言語の比較
-
-**Scala** (fs2): `Stream[IO, A]` で IO とストリームを型レベルで統合
-
-```scala
-// IO を含む無限ストリーム
-val infiniteDieCasts: Stream[IO, Int] = Stream.eval(castTheDie()).repeat
-
-// 最初の 3 回を取得
-infiniteDieCasts.take(3).compile.toList.unsafeRunSync()  // List(4, 2, 6)
-
-// 6 が出るまで振り続ける
-infiniteDieCasts.filter(_ == 6).take(1).compile.toList.unsafeRunSync()  // List(6)
-
-// レートストリーム + 時間制御
-val ratesWithDelay = rates(from, to).zipLeft(Stream.fixedRate[IO](1.second))
-```
-
-**Elixir**: `Stream.repeatedly` + パイプライン
-
-```elixir
-# 無限にサイコロを振るストリーム
-def die_casts do
-  Stream.repeatedly(fn -> :rand.uniform(6) end)
-end
-
-die_casts() |> Enum.take(3)  # [4, 2, 6]
-
-# 6 が出るまで振り続ける
-die_casts()
-|> Stream.take_while(fn x -> x != 6 end)
-|> Enum.to_list()
-```
-
-**Ruby**: IOStream クラス
-
-```ruby
-# IO アクションから無限ストリームを作成
-infinite_die_casts = IOStream.repeat_eval(cast_the_die)
-
-# 最初の 3 回を取得
-first_three = infinite_die_casts.take(3).compile_to_list
-first_three.run!  # [4, 2, 6]
-```
-
-### IO ストリームの統合度比較
-
-| レベル | 言語 | 方式 | 特徴 |
-|--------|------|------|------|
-| **型レベル統合** | Scala (fs2) | `Stream[IO, A]` | エフェクトとストリームが同一型で統合 |
-| **標準モジュール** | Elixir | `Stream` + `Task` | OTP のプロセスモデルと統合 |
-| **非同期ストリーム** | C# | `IAsyncEnumerable<T>` | `await foreach` で非同期ストリーム |
-| **非同期トレイト** | Rust | `futures::Stream` | `then` / `buffered` で非同期処理 |
-| **カスタム** | Java, Python, Ruby, TypeScript | 自前の IOStream | IO ラッパーを手動実装 |
-| **暗黙的** | Haskell | IO リスト | リストが遅延なので IO を含められる |
-| **実用的** | Clojure | `lazy-seq` + `future` | 遅延シーケンスが副作用を自然に含む |
-
----
-
-## 9.8 比較分析：3 つの発見
-
-### 発見 1: 遅延評価の実現方式は 3 系統に分かれる
-
-```plantuml
-@startuml
-!theme plain
-left to right direction
-
-rectangle "Level 1: デフォルト遅延評価" #LightGreen {
-  card "Haskell（リスト自体が遅延）" as h
-  card "Clojure（lazy-seq が標準）" as clj
-}
-
-rectangle "Level 2: 専用ストリーム型" #LightBlue {
-  card "Scala (fs2 Stream)" as sc
-  card "Rust (futures::Stream)" as rs
-  card "Elixir (Stream モジュール)" as ex
-  card "F# (Seq)" as fs
-  card "C# (IEnumerable)" as cs
-}
-
-rectangle "Level 3: ジェネレータ / カスタム" #LightYellow {
-  card "Python (Generator)" as py
-  card "TypeScript (Generator)" as ts
-  card "Java (LazyStream)" as jv
-  card "Ruby (Enumerator::Lazy)" as rb
-}
-
-@enduml
-```
-
-**Level 1（Haskell, Clojure）** はリスト自体が遅延評価されるため、特別なストリーム型が不要です。`[1..]` で無限リストを定義できる Haskell と、`(range)` で無限シーケンスを生成できる Clojure が該当します。
-
-**Level 2（Scala, Rust, Elixir, F#, C#）** は専用のストリーム型 / モジュールで遅延評価を実現します。特に Scala の fs2 は IO とストリームを型レベルで統合する最も表現力の高いライブラリです。
-
-**Level 3（Python, TypeScript, Java, Ruby）** はジェネレータ構文やカスタムクラスで遅延評価を実装します。
-
-### 発見 2: スライディングウィンドウの提供方法は言語により異なる
-
-| 方式 | 言語 | 関数/メソッド |
-|------|------|-------------|
-| **標準提供** | Scala (fs2), F#, Rust (スライス) | `.sliding(n)`, `Seq.windowed n`, `.windows(n)` |
-| **ステップ付き分割** | Clojure, Elixir | `(partition n 1 coll)`, `Stream.chunk_every(n, 1)` |
-| **隣接ペア** | Haskell, Ruby | カスタム `sliding`, `each_cons(n)` |
-| **キューベース実装** | C#, Python, TypeScript, Java | `Queue` / `deque` ベースのカスタム |
-
-### 発見 3: Haskell のフィボナッチ定義は遅延評価の本質を表す
-
-```haskell
-fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
-```
-
-この**自己参照的**な定義は、遅延評価がなければ無限再帰で停止しません。Haskell のデフォルト遅延評価だからこそ可能な表現であり、他の言語では `unfold` や `iterate` による明示的な状態遷移が必要です。
-
----
-
-## 9.9 言語固有の特徴
-
-### Haskell: リスト自体が無限ストリーム
-
-```haskell
--- 自然数、偶数、奇数の無限リスト
-naturals = [1..]
-evens    = [2,4..]
-odds     = [1,3..]
-
--- エラトステネスのふるい（無限の素数列）
-primes :: [Integer]
-primes = sieve [2..]
-  where sieve (p:xs) = p : sieve [x | x <- xs, x `mod` p /= 0]
-```
-
-### Scala (fs2): IO ストリームの型安全な合成
-
-```scala
-// レートと時間制御の結合
-val ratesWithDelay: Stream[IO, BigDecimal] =
-  rates(from, to).zipLeft(Stream.fixedRate[IO](1.second))
-
-// エフェクトフルなストリームパイプライン
-rates(from, to)
-  .sliding(3)
-  .map(_.toList)
-  .filter(trending)
-  .map(_.last * amount)
-  .take(1)
-  .compile
-  .lastOrError
-```
-
-### Clojure: トランスデューサーによる効率的な合成
-
-```clojure
-;; トランスデューサー: 中間コレクションを作らない
-(def xf (comp
-  (partition-all 3 1)
-  (filter trending?)
-  (map last)))
-
-(transduce xf conj [] rates)
-```
-
-### Python: ジェネレータの直感的な構文
-
-```python
-# yield で素数のストリームを定義
-def primes():
-    def sieve(numbers):
-        p = next(numbers)
-        yield p
-        yield from sieve(n for n in numbers if n % p != 0)
-    yield from sieve(count(2))
-```
-
-### Elixir: Stream + Enum のパイプライン
-
-```elixir
-# パイプ演算子でストリーム処理を連鎖
-Stream.iterate(1, &(&1 + 1))
-|> Stream.filter(&(rem(&1, 2) == 0))
-|> Stream.map(&(&1 * &1))
-|> Enum.take(5)
-# [4, 16, 36, 64, 100]
-```
-
----
-
-## 9.10 実践的な選択指針
-
-### ストリーム処理の選択
-
-| 要件 | 推奨言語 | 理由 |
-|------|---------|------|
-| 最も自然な無限ストリーム | Haskell | デフォルト遅延評価、特別な型不要 |
-| IO + ストリームの型安全な統合 | Scala (fs2) | `Stream[IO, A]` による統合 |
-| 高性能な非同期ストリーム | Rust | ゼロコスト抽象化、`buffered` で並行処理 |
-| 分散ストリーム処理 | Elixir | OTP + Stream のパイプライン |
-| データ分析パイプライン | Python | ジェネレータ + itertools の豊富なAPI |
-| 関数合成の効率化 | Clojure | トランスデューサーで中間コレクション排除 |
-
-### プロジェクト規模別の推奨
-
-| 規模 | 推奨アプローチ | 言語例 |
-|------|-------------|-------|
-| 小規模 | ジェネレータ / イテレータ | Python, TypeScript, Ruby |
-| 中規模 | 標準ストリームモジュール | Elixir (Stream), F# (Seq), C# (IEnumerable) |
-| 大規模 | エフェクトフルストリームライブラリ | Scala (fs2), Rust (futures::Stream) |
-
----
-
-## 9.11 まとめ
-
-本章では、11 言語でのストリーム処理を比較し、以下を確認しました：
-
-**共通の原則**:
-
-- ストリーム = 遅延評価による無限シーケンス
-- take / filter / map / sliding で変換を連鎖
-- スライディングウィンドウによるパターン検出は全言語で実装可能
-
-**言語間の差異**:
-
-- 遅延評価の実現方式は 3 系統（デフォルト遅延 / 専用ストリーム型 / ジェネレータ）
-- Haskell のリストはそのまま無限ストリームとして機能する唯一の言語
-- IO とストリームの統合度は Scala (fs2) が最も高い
-
-**学び**:
-
-- 遅延評価により、無限のデータを有限のメモリで安全に扱える
-- スライディングウィンドウ + トレンド判定は関数型のストリーム処理の典型パターン
-- IO ストリームの統合は、リアルタイムアプリケーションの基盤となる
-
----
-
-### 各言語の詳細記事
-
-| 言語 | 記事リンク |
-|------|-----------|
-| Scala | [Part IV: IO と副作用の管理](../scala/part-4.md) |
-| Java | [Part IV: IO と副作用の管理](../java/part-4.md) |
-| F# | [Part IV: 非同期処理とストリーム](../fsharp/part-4.md) |
-| C# | [Part IV: 非同期処理とストリーム](../csharp/part-4.md) |
-| Haskell | [Part IV: IO と副作用の管理](../haskell/part-4.md) |
-| Clojure | [Part IV: 状態管理とストリーム処理](../clojure/part-4.md) |
-| Elixir | [Part IV: IO とストリーム処理](../elixir/part-4.md) |
-| Rust | [Part IV: 非同期処理とストリーム](../rust/part-4.md) |
-| Python | [Part IV: IO と副作用の管理](../python/part-4.md) |
-| TypeScript | [Part IV: IO と副作用の管理](../typescript/part-4.md) |
-| Ruby | [Part IV: IO と副作用の管理](../ruby/part-4.md) |
+# Part IV - 第 9 章：ストリーム処理
+
+## 9.1 はじめに：遅延評価と無限のデータ
+
+リスト（配列）は全要素をメモリに保持する有限のデータ構造です。しかし、現実のプログラムでは「無限に続くデータ」を扱う場面があります：
+
+- センサーからのリアルタイムデータ
+- 為替レートの連続的な変動
+- サイコロを何度も振る試行
+- ログイベントの継続的な流れ
+
+**ストリーム**は、遅延評価により「必要な時に必要な分だけ」要素を生成するデータ構造です。本章では、11 言語でのストリーム処理を横断的に比較し、以下を明らかにします：
+
+- ストリームの実現方式の違い（言語組み込み遅延評価 vs ライブラリ vs ジェネレータ）
+- 無限ストリームの生成パターン（repeat / iterate / unfold / cycle）
+- スライディングウィンドウによるトレンド検出の実装差異
+
+```plantuml
+@startuml
+!theme plain
+
+rectangle "List vs Stream" {
+  rectangle "List" as list {
+    card "全要素がメモリに存在"
+    card "有限"
+    card "即座に評価（正格）"
+  }
+
+  rectangle "Stream" as stream {
+    card "必要な時に要素を生成"
+    card "無限も可能"
+    card "遅延評価"
+  }
+}
+
+note bottom of stream
+  take(n) で有限個を取得
+  filter / map で変換
+  sliding(n) でウィンドウ分割
+end note
+
+@enduml
+```
+
+---
+
+## 9.2 共通の本質：遅延評価による無限シーケンス
+
+11 言語すべてに共通するストリームの原則は、**遅延評価によって無限のデータを有限のメモリで扱う**ことです：
+
+1. **遅延生成**: 要素は要求されるまで生成されない
+2. **変換の連鎖**: map / filter をストリームに適用しても即座に全要素を処理しない
+3. **実体化**: take / toList / collect で必要な分だけ取り出す
+
+3 つの言語グループから代表例を見てみましょう：
+
+```haskell
+-- Haskell: リストがデフォルトで遅延評価
+naturals :: [Integer]
+naturals = [1..]
+
+take 5 naturals  -- [1, 2, 3, 4, 5]
+
+-- フィボナッチ数列（自己参照的定義）
+fibs :: [Integer]
+fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
+
+take 10 fibs  -- [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
+```
+
+```scala
+// Scala: fs2 Stream ライブラリ
+import fs2.{Pure, Stream}
+
+val infinite123s: Stream[Pure, Int] = Stream(1, 2, 3).repeat
+infinite123s.take(8).toList  // List(1, 2, 3, 1, 2, 3, 1, 2)
+
+// IO を含む無限ストリーム
+val infiniteDieCasts: Stream[IO, Int] = Stream.eval(castTheDie()).repeat
+infiniteDieCasts.take(3).compile.toList.unsafeRunSync()  // List(4, 2, 6)
+```
+
+```python
+# Python: ジェネレータで遅延評価
+from itertools import count, islice
+
+def cycle_stream(items):
+    while True:
+        yield from items
+
+list(islice(cycle_stream([1, 2, 3]), 8))  # [1, 2, 3, 1, 2, 3, 1, 2]
+```
+
+---
+
+## 9.3 ストリームの実現方式
+
+### アプローチ 1: 言語組み込みの遅延評価
+
+| 言語 | ストリーム型 | 特徴 |
+|------|-----------|------|
+| **Haskell** | `[a]`（リスト自体が遅延） | デフォルト遅延評価、特別な型不要 |
+| **Clojure** | `lazy-seq` / `range` 等 | 遅延シーケンスが標準 |
+
+### アプローチ 2: ストリームライブラリ
+
+| 言語 | ライブラリ | ストリーム型 | IO 統合 |
+|------|-----------|-----------|--------|
+| **Scala** | fs2 | `Stream[F, A]` | `Stream[IO, A]` で IO とストリームを統合 |
+| **Rust** | futures | `Stream<Item = T>` | `then` / `buffered` で非同期処理 |
+
+### アプローチ 3: 言語の遅延評価プリミティブ
+
+| 言語 | プリミティブ | 構文 |
+|------|-----------|------|
+| **F#** | `seq { }` | `Seq.take`, `Seq.windowed` |
+| **C#** | `IEnumerable<T>` | `yield return`, LINQ |
+| **Elixir** | `Stream` モジュール | `Stream.cycle`, `Stream.unfold` |
+
+### アプローチ 4: ジェネレータ / カスタム実装
+
+| 言語 | プリミティブ | 構文 |
+|------|-----------|------|
+| **Python** | `Generator` | `yield` / `yield from` |
+| **TypeScript** | `Generator` | `function*` / `yield` |
+| **Java** | カスタム `LazyStream` | `Supplier<Option<Cons<A>>>` |
+| **Ruby** | `Enumerator::Lazy` | `Enumerator.new` + `loop` |
+
+---
+
+## 9.4 無限ストリームの生成パターン
+
+### 4 つの基本パターン
+
+| パターン | 説明 | 例 |
+|---------|------|-----|
+| **repeat** | 同じ値（列）を無限に繰り返す | `[1,2,3,1,2,3,...]` |
+| **iterate** | 関数を繰り返し適用 | `[1,2,4,8,16,...]` |
+| **unfold** | 状態から次の要素と新しい状態を生成 | フィボナッチ数列 |
+| **generate** | 副作用のある関数を繰り返し呼ぶ | サイコロを振り続ける |
+
+### 全 11 言語の生成関数比較
+
+| パターン | Haskell | Scala | Rust | F# | C# | TypeScript | Python | Java | Ruby | Clojure | Elixir |
+|---------|---------|-------|------|-----|-----|-----------|--------|------|------|---------|--------|
+| **repeat** | `repeat x` | `.repeat` | `stream::repeat` | `seq { while true }` | `yield return` loop | `while(true) yield` | `while True: yield` | カスタム | `Enumerator` + `loop` | `(repeat x)` | `Stream.cycle` |
+| **iterate** | `iterate f x` | — | `stream::unfold` | `Seq.unfold` | カスタム | `function*` | `count` / カスタム | カスタム | `iterate` メソッド | `(iterate f x)` | `Stream.iterate` |
+| **unfold** | `unfoldr f s` | `Stream.unfold` | `stream::unfold` | `Seq.unfold` | カスタム | `function*` | `function*` | カスタム | `Enumerator.new` | `lazy-seq` | `Stream.unfold` |
+| **generate** | `sequence (repeat io)` | `Stream.eval(io).repeat` | `stream::repeat_with` | `seq { yield f() }` | `yield return f()` | `function*` | `while True: yield f()` | カスタム | `IOStream.repeat_eval` | `(repeatedly f)` | `Stream.repeatedly` |
+
+### 代表例：フィボナッチ数列
+
+**Haskell**: 自己参照的定義（遅延評価の力）
+
+```haskell
+fibs :: [Integer]
+fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
+
+take 10 fibs  -- [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
+```
+
+**Rust**: `stream::unfold` で状態遷移
+
+```rust
+pub fn fibonacci_stream() -> impl Stream<Item = u64> {
+    stream::unfold((0u64, 1u64), |(a, b)| async move {
+        Some((a, (b, a + b)))
+    })
+}
+```
+
+**TypeScript**: ジェネレータ関数
+
+```typescript
+function* fibonacci(): LazyList<number> {
+  let [a, b] = [0, 1]
+  while (true) {
+    yield a
+    ;[a, b] = [b, a + b]
+  }
+}
+```
+
+### 全 11 言語のフィボナッチ実装
+
+<details>
+<summary>関数型ファースト言語</summary>
+
+**Haskell**:
+```haskell
+fibs :: [Integer]
+fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
+```
+
+**Clojure**:
+```clojure
+(def fibs
+  ((fn fib [a b]
+     (lazy-seq (cons a (fib b (+ a b)))))
+   0 1))
+
+(take 10 fibs)  ; => (0 1 1 2 3 5 8 13 21 34)
+```
+
+**Elixir**:
+```elixir
+def fibonacci do
+  Stream.unfold({0, 1}, fn {a, b} -> {a, {b, a + b}} end)
+end
+
+fibonacci() |> Enum.take(10)  # [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]
+```
+
+**F#**:
+```fsharp
+let fibonacci =
+    Seq.unfold (fun (a, b) -> Some(a, (b, a + b))) (0, 1)
+
+fibonacci |> Seq.take 10 |> Seq.toList
+// [0; 1; 1; 2; 3; 5; 8; 13; 21; 34]
+```
+
+</details>
+
+<details>
+<summary>マルチパラダイム言語</summary>
+
+**Scala**:
+```scala
+val fibonacci: Stream[Pure, Long] =
+  Stream.unfold((0L, 1L)) { case (a, b) => Some((a, (b, a + b))) }
+
+fibonacci.take(10).toList  // List(0, 1, 1, 2, 3, 5, 8, 13, 21, 34)
+```
+
+**Rust**:
+```rust
+pub fn fibonacci_stream() -> impl Stream<Item = u64> {
+    stream::unfold((0u64, 1u64), |(a, b)| async move {
+        Some((a, (b, a + b)))
+    })
+}
+```
+
+**TypeScript**:
+```typescript
+function* fibonacci(): LazyList<number> {
+  let [a, b] = [0, 1]
+  while (true) {
+    yield a
+    ;[a, b] = [b, a + b]
+  }
+}
+```
+
+</details>
+
+<details>
+<summary>OOP + FP ライブラリ言語</summary>
+
+**Java**:
+```java
+public static LazyStream<Long> fibonacci() {
+    return LazyStream.unfold(
+        new long[]{0, 1},
+        state -> Option.some(new Tuple2<>(state[0], new long[]{state[1], state[0] + state[1]}))
+    );
+}
+```
+
+**C#**:
+```csharp
+public static IEnumerable<long> Fibonacci()
+{
+    long a = 0, b = 1;
+    while (true)
+    {
+        yield return a;
+        (a, b) = (b, a + b);
+    }
+}
+```
+
+**Python**:
+```python
+def fibonacci():
+    a, b = 0, 1
+    while True:
+        yield a
+        a, b = b, a + b
+```
+
+**Ruby**:
+```ruby
+def fibonacci
+  Enumerator.new do |yielder|
+    a, b = 0, 1
+    loop do
+      yielder << a
+      a, b = b, a + b
+    end
+  end.lazy
+end
+```
+
+</details>
+
+---
+
+## 9.5 ストリーム操作の比較
+
+### 主要操作の語彙比較
+
+| 操作 | Haskell | Scala (fs2) | Rust | F# | C# | TypeScript | Python | Clojure | Elixir | Java | Ruby |
+|------|---------|-------------|------|-----|-----|-----------|--------|---------|--------|------|------|
+| 先頭 n 個 | `take n` | `.take(n)` | `.take(n)` | `Seq.take n` | `.Take(n)` | `take(s, n)` | `islice(s, n)` | `(take n s)` | `Enum.take(s, n)` | `.take(n)` | `.take(n)` |
+| フィルタ | `filter p` | `.filter(p)` | `.filter(p)` | `Seq.filter p` | `.Where(p)` | `filterStream` | `filter` | `(filter p s)` | `Stream.filter(s, p)` | `.filter(p)` | `.filter(p)` |
+| 変換 | `map f` | `.map(f)` | `.map(f)` | `Seq.map f` | `.Select(f)` | `mapStream` | `map(f, s)` | `(map f s)` | `Stream.map(s, f)` | `.map(f)` | `.fmap(f)` |
+| 結合 | `++` | `.append(s)` | `.chain(s)` | `Seq.append` | `.Concat(s)` | `append` | `chain` | `(concat s1 s2)` | `Stream.concat` | `.append(s)` | `.append(s)` |
+| ウィンドウ | `sliding n` | `.sliding(n)` | `.chunks(n)` | `Seq.windowed n` | `Sliding(n)` | `sliding` | `stream_sliding` | `(partition n 1)` | `Stream.chunk_every` | `.sliding(n)` | `.sliding(n)` |
+| zip | `zip` | `.zip(s)` | `.zip(s)` | `Seq.zip` | `.Zip(s)` | `zipStream` | `zip` | `(map vector s1 s2)` | `Stream.zip(s1, s2)` | `.zip(s)` | `.zip(s)` |
+| 畳み込み | `foldl` | `.fold` | `.fold` | `Seq.fold` | `.Aggregate` | `reduce` | `reduce` | `(reduce f s)` | `Enum.reduce` | `.fold` | `.reduce` |
+
+---
+
+## 9.6 スライディングウィンドウとトレンド検出
+
+すべての言語で共通する実践的なパターンとして、為替レートの上昇トレンドを検出する例を比較します。
+
+### パターンの構造
+
+```plantuml
+@startuml
+!theme plain
+
+rectangle "トレンド検出パイプライン" {
+  card "レートストリーム\n[0.81, 0.82, 0.85, 0.83, ...]" as rates
+  card "sliding(3)\n[[0.81, 0.82, 0.85],\n [0.82, 0.85, 0.83], ...]" as sliding
+  card "filter(trending)\n[[0.81, 0.82, 0.85]]" as filter
+  card "map(_.last)\n[0.85]" as extract
+  card "take(1)\n0.85" as take
+
+  rates --> sliding
+  sliding --> filter
+  filter --> extract
+  extract --> take
+}
+
+@enduml
+```
+
+### トレンド判定関数の比較
+
+**Haskell**:
+
+```haskell
+trending :: Ord a => [a] -> Bool
+trending xs =
+    length xs > 1 &&
+    all (uncurry (<)) (zip xs (tail xs))
+```
+
+**Scala**:
+
+```scala
+def trending(rates: List[BigDecimal]): Boolean =
+  rates.size > 1 &&
+  rates.zip(rates.drop(1)).forall {
+    case (prev, rate) => rate > prev
+  }
+```
+
+**Rust**:
+
+```rust
+pub fn trending(rates: &[f64]) -> bool {
+    rates.len() > 1 &&
+    rates.windows(2).all(|w| w[1] > w[0])
+}
+```
+
+### 全 11 言語の実装
+
+#### 関数型ファースト言語
+
+<details>
+<summary>Haskell 実装</summary>
+
+```haskell
+-- スライディングウィンドウ
+sliding :: Int -> [a] -> [[a]]
+sliding n xs
+    | length window < n = []
+    | otherwise         = window : sliding n (tail xs)
+  where window = take n xs
+
+-- トレンド判定
+trending :: Ord a => [a] -> Bool
+trending xs =
+    length xs > 1 &&
+    all (uncurry (<)) (zip xs (tail xs))
+
+-- トレンド検出パイプライン
+findTrending :: Ord a => Int -> [a] -> [[a]]
+findTrending windowSize =
+    filter trending . sliding windowSize
+```
+
+Haskell ではリストが遅延評価されるため、無限のレートストリームに対しても `findTrending` をそのまま適用できます。
+
+</details>
+
+<details>
+<summary>Clojure 実装</summary>
+
+```clojure
+;; スライディングウィンドウ
+(defn sliding-window [n coll]
+  (partition n 1 coll))
+
+;; トレンド判定
+(defn trending? [rates]
+  (and (> (count rates) 1)
+       (every? (fn [[prev curr]] (< prev curr))
+               (partition 2 1 rates))))
+
+;; トレンド検出
+(defn find-trending [window-size stream]
+  (->> stream
+       (sliding-window window-size)
+       (filter trending?)))
+```
+
+Clojure の `partition` はステップ付きで呼ぶとスライディングウィンドウになります。
+
+</details>
+
+<details>
+<summary>Elixir 実装</summary>
+
+```elixir
+def trending?(rates) do
+  length(rates) > 1 &&
+    rates
+    |> Enum.chunk_every(2, 1, :discard)
+    |> Enum.all?(fn [prev, curr] -> curr > prev end)
+end
+
+# ストリームパイプライン
+def find_trending(rates_stream, window_size) do
+  rates_stream
+  |> Stream.chunk_every(window_size, 1, :discard)
+  |> Stream.filter(&trending?/1)
+end
+```
+
+Elixir の `Stream.chunk_every/4` はステップ引数でスライディングウィンドウを実現します。
+
+</details>
+
+<details>
+<summary>F# 実装</summary>
+
+```fsharp
+let trending (rates: float list) =
+    rates.Length > 1 &&
+    List.pairwise rates |> List.forall (fun (prev, curr) -> curr > prev)
+
+// ストリームパイプライン
+let findTrending windowSize (rates: float seq) =
+    rates
+    |> Seq.windowed windowSize
+    |> Seq.filter (fun window -> trending (Array.toList window))
+```
+
+F# の `Seq.windowed` はスライディングウィンドウを直接サポートしています。
+
+</details>
+
+#### マルチパラダイム言語
+
+<details>
+<summary>Scala 実装</summary>
+
+```scala
+def trending(rates: List[BigDecimal]): Boolean =
+  rates.size > 1 &&
+  rates.zip(rates.drop(1)).forall { case (prev, rate) => rate > prev }
+
+// fs2 ストリームパイプライン
+def exchangeIfTrending(
+    amount: BigDecimal,
+    from: Currency,
+    to: Currency
+): IO[BigDecimal] =
+  rates(from, to)
+    .sliding(3)
+    .map(_.toList)
+    .filter(trending)
+    .map(_.last)
+    .take(1)
+    .compile
+    .lastOrError
+    .map(_ * amount)
+```
+
+Scala の fs2 は `sliding` を標準で提供し、IO ストリームとシームレスに統合されます。
+
+</details>
+
+<details>
+<summary>Rust 実装</summary>
+
+```rust
+pub fn trending(rates: &[f64]) -> bool {
+    rates.len() > 1 && rates.windows(2).all(|w| w[1] > w[0])
+}
+
+// 移動平均ストリーム
+pub fn moving_average<S>(stream: S, window_size: usize) -> impl Stream<Item = f64>
+where
+    S: Stream<Item = f64> + Send + 'static,
+{
+    stream::unfold(
+        (stream.boxed(), Vec::new(), window_size),
+        |(mut stream, mut window, size)| async move {
+            match stream.next().await {
+                Some(value) => {
+                    window.push(value);
+                    if window.len() > size { window.remove(0); }
+                    let avg = window.iter().sum::<f64>() / window.len() as f64;
+                    Some((avg, (stream, window, size)))
+                }
+                None => None,
+            }
+        },
+    )
+}
+```
+
+Rust の標準ライブラリには `windows` メソッドがスライスに対して存在しますが、`futures::Stream` でのスライディングウィンドウは `unfold` で自前実装が必要です。
+
+</details>
+
+<details>
+<summary>TypeScript 実装</summary>
+
+```typescript
+const trending = (rates: readonly number[]): boolean => {
+  if (rates.length <= 1) return false
+  return rates.slice(0, -1).every((prev, i) => rates[i + 1] > prev)
+}
+
+function* sliding<A>(gen: LazyList<A>, windowSize: number): LazyList<readonly A[]> {
+  const buffer: A[] = []
+  for (const item of gen) {
+    buffer.push(item)
+    if (buffer.length === windowSize) {
+      yield [...buffer]
+      buffer.shift()
+    }
+  }
+}
+```
+
+</details>
+
+#### OOP + FP ライブラリ言語
+
+<details>
+<summary>Java 実装</summary>
+
+```java
+public static boolean trending(List<BigDecimal> rates) {
+    return rates.size() > 1 &&
+        rates.zip(rates.drop(1))
+             .forAll(t -> t._2.compareTo(t._1) > 0);
+}
+
+// LazyStream でスライディングウィンドウ
+public LazyStream<List<A>> sliding(int size) {
+    return LazyStream.unfold(this, stream -> {
+        List<A> window = stream.take(size).toList();
+        return window.size() == size
+            ? Option.some(new Tuple2<>(window, stream.drop(1)))
+            : Option.none();
+    });
+}
+```
+
+</details>
+
+<details>
+<summary>C# 実装</summary>
+
+```csharp
+public static bool Trending(IEnumerable<decimal> rates)
+{
+    var list = rates.ToList();
+    return list.Count > 1 &&
+           list.Zip(list.Skip(1), (prev, curr) => curr > prev).All(x => x);
+}
+
+// スライディングウィンドウ
+public static IEnumerable<IReadOnlyList<T>> Sliding<T>(
+    this IEnumerable<T> source, int windowSize)
+{
+    var window = new Queue<T>();
+    foreach (var item in source)
+    {
+        window.Enqueue(item);
+        if (window.Count == windowSize)
+        {
+            yield return window.ToList();
+            window.Dequeue();
+        }
+    }
+}
+```
+
+</details>
+
+<details>
+<summary>Python 実装</summary>
+
+```python
+from collections import deque
+
+def trending(rates: list[float]) -> bool:
+    return len(rates) > 1 and all(
+        curr > prev for prev, curr in zip(rates, rates[1:])
+    )
+
+def stream_sliding(stream, window_size):
+    window = deque(maxlen=window_size)
+    for item in stream:
+        window.append(item)
+        if len(window) == window_size:
+            yield list(window)
+```
+
+</details>
+
+<details>
+<summary>Ruby 実装</summary>
+
+```ruby
+def trending?(rates)
+  return false if rates.size <= 1
+  rates.each_cons(2).all? { |prev, curr| curr > prev }
+end
+
+# LazyStream のスライディングウィンドウ
+def sliding(n)
+  LazyStream.new(
+    Enumerator.new do |yielder|
+      buffer = []
+      @enumerator.each do |item|
+        buffer << item
+        if buffer.size == n
+          yielder << buffer.dup
+          buffer.shift
+        end
+      end
+    end
+  )
+end
+```
+
+</details>
+
+---
+
+## 9.7 IO ストリーム：副作用とストリームの統合
+
+前章の IO モナドとストリームを組み合わせると、「副作用を持つ無限ストリーム」を安全に扱えます。
+
+### 代表 3 言語の比較
+
+**Scala** (fs2): `Stream[IO, A]` で IO とストリームを型レベルで統合
+
+```scala
+// IO を含む無限ストリーム
+val infiniteDieCasts: Stream[IO, Int] = Stream.eval(castTheDie()).repeat
+
+// 最初の 3 回を取得
+infiniteDieCasts.take(3).compile.toList.unsafeRunSync()  // List(4, 2, 6)
+
+// 6 が出るまで振り続ける
+infiniteDieCasts.filter(_ == 6).take(1).compile.toList.unsafeRunSync()  // List(6)
+
+// レートストリーム + 時間制御
+val ratesWithDelay = rates(from, to).zipLeft(Stream.fixedRate[IO](1.second))
+```
+
+**Elixir**: `Stream.repeatedly` + パイプライン
+
+```elixir
+# 無限にサイコロを振るストリーム
+def die_casts do
+  Stream.repeatedly(fn -> :rand.uniform(6) end)
+end
+
+die_casts() |> Enum.take(3)  # [4, 2, 6]
+
+# 6 が出るまで振り続ける
+die_casts()
+|> Stream.take_while(fn x -> x != 6 end)
+|> Enum.to_list()
+```
+
+**Ruby**: IOStream クラス
+
+```ruby
+# IO アクションから無限ストリームを作成
+infinite_die_casts = IOStream.repeat_eval(cast_the_die)
+
+# 最初の 3 回を取得
+first_three = infinite_die_casts.take(3).compile_to_list
+first_three.run!  # [4, 2, 6]
+```
+
+### IO ストリームの統合度比較
+
+| レベル | 言語 | 方式 | 特徴 |
+|--------|------|------|------|
+| **型レベル統合** | Scala (fs2) | `Stream[IO, A]` | エフェクトとストリームが同一型で統合 |
+| **標準モジュール** | Elixir | `Stream` + `Task` | OTP のプロセスモデルと統合 |
+| **非同期ストリーム** | C# | `IAsyncEnumerable<T>` | `await foreach` で非同期ストリーム |
+| **非同期トレイト** | Rust | `futures::Stream` | `then` / `buffered` で非同期処理 |
+| **カスタム** | Java, Python, Ruby, TypeScript | 自前の IOStream | IO ラッパーを手動実装 |
+| **暗黙的** | Haskell | IO リスト | リストが遅延なので IO を含められる |
+| **実用的** | Clojure | `lazy-seq` + `future` | 遅延シーケンスが副作用を自然に含む |
+
+---
+
+## 9.8 比較分析：3 つの発見
+
+### 発見 1: 遅延評価の実現方式は 3 系統に分かれる
+
+```plantuml
+@startuml
+!theme plain
+left to right direction
+
+rectangle "Level 1: デフォルト遅延評価" #LightGreen {
+  card "Haskell（リスト自体が遅延）" as h
+  card "Clojure（lazy-seq が標準）" as clj
+}
+
+rectangle "Level 2: 専用ストリーム型" #LightBlue {
+  card "Scala (fs2 Stream)" as sc
+  card "Rust (futures::Stream)" as rs
+  card "Elixir (Stream モジュール)" as ex
+  card "F# (Seq)" as fs
+  card "C# (IEnumerable)" as cs
+}
+
+rectangle "Level 3: ジェネレータ / カスタム" #LightYellow {
+  card "Python (Generator)" as py
+  card "TypeScript (Generator)" as ts
+  card "Java (LazyStream)" as jv
+  card "Ruby (Enumerator::Lazy)" as rb
+}
+
+@enduml
+```
+
+**Level 1（Haskell, Clojure）** はリスト自体が遅延評価されるため、特別なストリーム型が不要です。`[1..]` で無限リストを定義できる Haskell と、`(range)` で無限シーケンスを生成できる Clojure が該当します。
+
+**Level 2（Scala, Rust, Elixir, F#, C#）** は専用のストリーム型 / モジュールで遅延評価を実現します。特に Scala の fs2 は IO とストリームを型レベルで統合する最も表現力の高いライブラリです。
+
+**Level 3（Python, TypeScript, Java, Ruby）** はジェネレータ構文やカスタムクラスで遅延評価を実装します。
+
+### 発見 2: スライディングウィンドウの提供方法は言語により異なる
+
+| 方式 | 言語 | 関数/メソッド |
+|------|------|-------------|
+| **標準提供** | Scala (fs2), F#, Rust (スライス) | `.sliding(n)`, `Seq.windowed n`, `.windows(n)` |
+| **ステップ付き分割** | Clojure, Elixir | `(partition n 1 coll)`, `Stream.chunk_every(n, 1)` |
+| **隣接ペア** | Haskell, Ruby | カスタム `sliding`, `each_cons(n)` |
+| **キューベース実装** | C#, Python, TypeScript, Java | `Queue` / `deque` ベースのカスタム |
+
+### 発見 3: Haskell のフィボナッチ定義は遅延評価の本質を表す
+
+```haskell
+fibs = 0 : 1 : zipWith (+) fibs (tail fibs)
+```
+
+この**自己参照的**な定義は、遅延評価がなければ無限再帰で停止しません。Haskell のデフォルト遅延評価だからこそ可能な表現であり、他の言語では `unfold` や `iterate` による明示的な状態遷移が必要です。
+
+---
+
+## 9.9 言語固有の特徴
+
+### Haskell: リスト自体が無限ストリーム
+
+```haskell
+-- 自然数、偶数、奇数の無限リスト
+naturals = [1..]
+evens    = [2,4..]
+odds     = [1,3..]
+
+-- エラトステネスのふるい（無限の素数列）
+primes :: [Integer]
+primes = sieve [2..]
+  where sieve (p:xs) = p : sieve [x | x <- xs, x `mod` p /= 0]
+```
+
+### Scala (fs2): IO ストリームの型安全な合成
+
+```scala
+// レートと時間制御の結合
+val ratesWithDelay: Stream[IO, BigDecimal] =
+  rates(from, to).zipLeft(Stream.fixedRate[IO](1.second))
+
+// エフェクトフルなストリームパイプライン
+rates(from, to)
+  .sliding(3)
+  .map(_.toList)
+  .filter(trending)
+  .map(_.last * amount)
+  .take(1)
+  .compile
+  .lastOrError
+```
+
+### Clojure: トランスデューサーによる効率的な合成
+
+```clojure
+;; トランスデューサー: 中間コレクションを作らない
+(def xf (comp
+  (partition-all 3 1)
+  (filter trending?)
+  (map last)))
+
+(transduce xf conj [] rates)
+```
+
+### Python: ジェネレータの直感的な構文
+
+```python
+# yield で素数のストリームを定義
+def primes():
+    def sieve(numbers):
+        p = next(numbers)
+        yield p
+        yield from sieve(n for n in numbers if n % p != 0)
+    yield from sieve(count(2))
+```
+
+### Elixir: Stream + Enum のパイプライン
+
+```elixir
+# パイプ演算子でストリーム処理を連鎖
+Stream.iterate(1, &(&1 + 1))
+|> Stream.filter(&(rem(&1, 2) == 0))
+|> Stream.map(&(&1 * &1))
+|> Enum.take(5)
+# [4, 16, 36, 64, 100]
+```
+
+---
+
+## 9.10 実践的な選択指針
+
+### ストリーム処理の選択
+
+| 要件 | 推奨言語 | 理由 |
+|------|---------|------|
+| 最も自然な無限ストリーム | Haskell | デフォルト遅延評価、特別な型不要 |
+| IO + ストリームの型安全な統合 | Scala (fs2) | `Stream[IO, A]` による統合 |
+| 高性能な非同期ストリーム | Rust | ゼロコスト抽象化、`buffered` で並行処理 |
+| 分散ストリーム処理 | Elixir | OTP + Stream のパイプライン |
+| データ分析パイプライン | Python | ジェネレータ + itertools の豊富なAPI |
+| 関数合成の効率化 | Clojure | トランスデューサーで中間コレクション排除 |
+
+### プロジェクト規模別の推奨
+
+| 規模 | 推奨アプローチ | 言語例 |
+|------|-------------|-------|
+| 小規模 | ジェネレータ / イテレータ | Python, TypeScript, Ruby |
+| 中規模 | 標準ストリームモジュール | Elixir (Stream), F# (Seq), C# (IEnumerable) |
+| 大規模 | エフェクトフルストリームライブラリ | Scala (fs2), Rust (futures::Stream) |
+
+---
+
+## 9.11 まとめ
+
+本章では、11 言語でのストリーム処理を比較し、以下を確認しました：
+
+**共通の原則**:
+
+- ストリーム = 遅延評価による無限シーケンス
+- take / filter / map / sliding で変換を連鎖
+- スライディングウィンドウによるパターン検出は全言語で実装可能
+
+**言語間の差異**:
+
+- 遅延評価の実現方式は 3 系統（デフォルト遅延 / 専用ストリーム型 / ジェネレータ）
+- Haskell のリストはそのまま無限ストリームとして機能する唯一の言語
+- IO とストリームの統合度は Scala (fs2) が最も高い
+
+**学び**:
+
+- 遅延評価により、無限のデータを有限のメモリで安全に扱える
+- スライディングウィンドウ + トレンド判定は関数型のストリーム処理の典型パターン
+- IO ストリームの統合は、リアルタイムアプリケーションの基盤となる
+
+---
+
+### 各言語の詳細記事
+
+| 言語 | 記事リンク |
+|------|-----------|
+| Scala | [Part IV: IO と副作用の管理](../scala/part-4.md) |
+| Java | [Part IV: IO と副作用の管理](../java/part-4.md) |
+| F# | [Part IV: 非同期処理とストリーム](../fsharp/part-4.md) |
+| C# | [Part IV: 非同期処理とストリーム](../csharp/part-4.md) |
+| Haskell | [Part IV: IO と副作用の管理](../haskell/part-4.md) |
+| Clojure | [Part IV: 状態管理とストリーム処理](../clojure/part-4.md) |
+| Elixir | [Part IV: IO とストリーム処理](../elixir/part-4.md) |
+| Rust | [Part IV: 非同期処理とストリーム](../rust/part-4.md) |
+| Python | [Part IV: IO と副作用の管理](../python/part-4.md) |
+| TypeScript | [Part IV: IO と副作用の管理](../typescript/part-4.md) |
+| Ruby | [Part IV: IO と副作用の管理](../ruby/part-4.md) |