バックグラウンド
この質問で述べたように、私はScalaz 7反復を使用して、一定のヒープスペースでデータの大規模な(つまり、制限のない)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
メモリリークが発生したようですが、ScalazまたはFPに精通していないため、バグがScalazにあるのか、コードにあるのかがわかりません。直感的に、このコードでは-sizeスペースのP倍(Chunk
約)しか必要としないと思います。
注:に似た質問が見つかりましたOutOfMemoryError
が、私のコードではを使用していませんconsume
。
テスト中
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
との両方をgroup
使用した場合にのみ発生するように見えます。
// 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
}
ご質問
- 私のコードにバグはありますか?
- 一定のヒープ領域でこれをどのように機能させることができますか?
6
私はこれをScalazの問題として報告してしまいました。
—
Aaron Novstrup 2013年
面白くはありませんが
—
huynhjl 2013年
-XX:+HeapDumpOnOutOfMemoryError
、eclipse MAT eclipse.org/matでダンプを分析して、配列に保持されているコード行を確認できます。
@huynhjl FWIW、JProfilerとMATの両方でヒープを分析してみましたが、無名関数クラスなどへのすべての参照を完全に処理することはできませんでした。Scalaには、この種の専用のツールが本当に必要です。
—
アーロンノヴストラップ2013年
リークがなく、あなたがやっていることが大幅に増加するメモリ量を必要としているだけの場合はどうなりますか?
—
エゼキエルビクター
var
カウンターを維持するだけで、特定のFP構成なしでzipWithIndexを簡単に複製できます。
@EzekielVictorコメントが理解できません。
—
Aaron Novstrup、2014年
Long
チャンクごとに単一のインデックスを追加すると、アルゴリズムが定数ヒープスペースから非定数ヒープスペースに変更されることを示唆していますか?非圧縮バージョンは、一定のヒープスペースを使用します。待機するのと同じ数のチャンクを「処理」できるためです。