พื้นหลัง
ตามที่ระบุไว้ในคำถามนี้ฉันใช้ Scalaz 7 วนซ้ำเพื่อประมวลผลสตรีมข้อมูลขนาดใหญ่ (กล่าวคือไม่มีขอบเขต) ในพื้นที่ฮีปคงที่
รหัสของฉันมีลักษณะดังนี้:
type ErrorOrT[M[+_], A] = EitherT[M, Throwable, A]
type ErrorOr[A] = ErrorOrT[IO, A]
def processChunk(c: Chunk, idx: Long): Result
def process(data: EnumeratorT[Chunk, ErrorOr]): IterateeT[Vector[(Chunk, Long)], ErrorOr, Vector[Result]] =
Iteratee.fold[Vector[(Chunk, Long)], ErrorOr, Vector[Result]](Nil) { (rs, vs) =>
rs ++ vs map {
case (c, i) => processChunk(c, i)
}
} &= (data.zipWithIndex mapE Iteratee.group(P))
ปัญหา
ดูเหมือนว่าฉันจะเจอปัญหาหน่วยความจำรั่ว แต่ฉันไม่คุ้นเคยกับ Scalaz / FP มากพอที่จะรู้ว่าจุดบกพร่องอยู่ใน Scalaz หรือในรหัสของฉัน สังหรณ์ใจผมคาดว่ารหัสนี้จะต้องใช้เท่านั้น (ในคำสั่งของ) Pครั้งChunk
พื้นที่ -size
หมายเหตุ: ผมพบว่าคำถามที่คล้ายกันซึ่งในOutOfMemoryError
พบ consume
แต่รหัสของฉันไม่ได้ใช้
การทดสอบ
ฉันทำการทดสอบบางอย่างเพื่อพยายามแยกปัญหา สรุปได้ว่าการรั่วไหลจะเกิดขึ้นเมื่อทั้งสองอย่างzipWithIndex
และgroup
ถูกใช้งานเท่านั้น
// no zipping/grouping
scala> (i1 &= enumArrs(1 << 25, 128)).run.unsafePerformIO
res47: Long = 4294967296
// grouping only
scala> (i2 &= (enumArrs(1 << 25, 128) mapE Iteratee.group(4))).run.unsafePerformIO
res49: Long = 4294967296
// zipping and grouping
scala> (i3 &= (enumArrs(1 << 25, 128).zipWithIndex mapE Iteratee.group(4))).run.unsafePerformIO
java.lang.OutOfMemoryError: Java heap space
// zipping only
scala> (i4 &= (enumArrs(1 << 25, 128).zipWithIndex)).run.unsafePerformIO
res51: Long = 4294967296
// no zipping/grouping, larger arrays
scala> (i1 &= enumArrs(1 << 27, 128)).run.unsafePerformIO
res53: Long = 17179869184
// zipping only, larger arrays
scala> (i4 &= (enumArrs(1 << 27, 128).zipWithIndex)).run.unsafePerformIO
res54: Long = 17179869184
รหัสสำหรับการทดสอบ:
import scalaz.iteratee._, scalaz.effect.IO, scalaz.std.vector._
// define an enumerator that produces a stream of new, zero-filled arrays
def enumArrs(sz: Int, n: Int) =
Iteratee.enumIterator[Array[Int], IO](
Iterator.continually(Array.fill(sz)(0)).take(n))
// define an iteratee that consumes a stream of arrays
// and computes its length
val i1 = Iteratee.fold[Array[Int], IO, Long](0) {
(c, a) => c + a.length
}
// define an iteratee that consumes a grouped stream of arrays
// and computes its length
val i2 = Iteratee.fold[Vector[Array[Int]], IO, Long](0) {
(c, as) => c + as.map(_.length).sum
}
// define an iteratee that consumes a grouped/zipped stream of arrays
// and computes its length
val i3 = Iteratee.fold[Vector[(Array[Int], Long)], IO, Long](0) {
(c, vs) => c + vs.map(_._1.length).sum
}
// define an iteratee that consumes a zipped stream of arrays
// and computes its length
val i4 = Iteratee.fold[(Array[Int], Long), IO, Long](0) {
(c, v) => c + v._1.length
}
คำถาม
- ข้อบกพร่องในรหัสของฉันหรือไม่
- ฉันจะทำงานนี้ในพื้นที่ฮีปคงที่ได้อย่างไร
-XX:+HeapDumpOnOutOfMemoryError
วิเคราะห์ดัมพ์ด้วย eclipse MAT eclipse.org/matเพื่อดูว่าโค้ดที่อยู่ในอาร์เรย์เป็นบรรทัดใด
var
นับขณะที่คุณไป
Long
ดัชนีเดียวต่อกลุ่มจะเปลี่ยนอัลกอริทึมจากค่าคงที่เป็นพื้นที่ฮีปที่ไม่คงที่หรือไม่ เวอร์ชันที่ไม่บีบอัดจะใช้พื้นที่ฮีปคงที่อย่างชัดเจนเนื่องจากสามารถ "ประมวลผล" ชิ้นส่วนได้มากเท่าที่คุณต้องการรอ