tło
Jak wspomniano w tym pytaniu , używam iteracji Scalaz 7 do przetwarzania dużego (tj. Nieograniczonego) strumienia danych w stałej przestrzeni sterty.
Mój kod wygląda tak:
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))
Problem
Wygląda na to, że napotkałem wyciek pamięci, ale nie jestem wystarczająco zaznajomiony ze Scalaz / FP, aby wiedzieć, czy błąd jest w Scalaz, czy w moim kodzie. Intuicyjnie oczekuję, że ten kod będzie wymagał tylko (rzędu) P- krotności Chunk
spacji.
Uwaga: znalazłem podobne pytanie, w którym OutOfMemoryError
napotkano, ale mój kod nie używa consume
.
Testowanie
Przeprowadziłem kilka testów, aby spróbować wyodrębnić problem. Podsumowując, wyciek pojawia się tylko wtedy, gdy używane są oba zipWithIndex
i group
.
// 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
Kod do testów:
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
}
pytania
- Czy błąd występuje w moim kodzie?
- Jak mogę sprawić, by to działało w stałej przestrzeni sterty?
-XX:+HeapDumpOnOutOfMemoryError
przeanalizować zrzut za pomocą eclipse MAT eclipse.org/mat, aby zobaczyć, który wiersz kodu zachowuje tablice.var
licznik w trakcie.Long
indeksu na porcję zmieniłoby algorytm ze stałego na niestały obszar sterty? Wersja niezapinana wyraźnie wykorzystuje stałe miejsce na stosie, ponieważ może „przetworzyć” tyle fragmentów, na które chcesz czekać.Odpowiedzi:
Będzie to mała pociecha dla każdego, kto utknął w starszym
iteratee
API, ale niedawno sprawdziłem, że równoważny test przechodzi w stosunku do API scalaz-stream . To jest nowszy interfejs API przetwarzania strumienia, który ma zastąpićiteratee
.Aby uzyskać kompletność, oto kod testowy:
Powinno to zadziałać z dowolną wartością
n
parametru (pod warunkiem, że chcesz czekać wystarczająco długo) - testowałem z 2 ^ 14 tablicami 32 MiB (czyli łącznie pół TiB pamięci przydzielonej w czasie).źródło