106

バックグラウンド

この質問で述べたように、私は Scalaz 7 iteratees を使用して、一定のヒープ空間で大量の (つまり、制限のない) データ ストリームを処理しています。

私のコードは次のようになります。

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))

問題

メモリ リークに遭遇したようですが、バグが Scalaz にあるのか、それとも私のコードにあるのかを知るには、Scalaz/FP に精通していません。直観的には、このコードは-size スペースのP倍(のオーダー) しか必要としないと思います。Chunk

注: に遭遇した同様の質問を見つけましたがOutOfMemoryError、私のコードは を使用していませんconsume。

テスト

問題を特定するためにいくつかのテストを実行しました。要約すると、リークはzipWithIndexとの両方groupが使用された場合にのみ発生するようです。

// 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

テストのコード:

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
}

質問

  • バグは私のコードにありますか?
  • これを一定のヒープスペースで機能させるにはどうすればよいですか?
4

1 に答える 1

4

これは、古い API に行き詰まっている人にとってはほとんど慰めにはなりませんiterateeが、最近、同等のテストがscalaz-stream APIに対してパスすることを確認しました。これは、 を置き換えることを目的とした新しいストリーム処理 API ですiteratee。

完全を期すために、テストコードは次のとおりです。

// create a stream containing `n` arrays with `sz` Ints in each one
def streamArrs(sz: Int, n: Int): Process[Task, Array[Int]] =
  (Process emit Array.fill(sz)(0)).repeat take n

(streamArrs(1 << 25, 1 << 14).zipWithIndex 
      pipe process1.chunk(4) 
      pipe process1.fold(0L) {
    (c, vs) => c + vs.map(_._1.length.toLong).sum
  }).runLast.run

これは、パラメーターの任意の値で機能するはずnです (十分に長く待つことができる場合) -- 私は 2^14 の 32MiB 配列 (つまり、時間の経過とともに割り当てられたメモリの合計 TiB の半分) でテストしました。

于 2013-10-10T19:13:17.157 に答える