Scalaz 7のzipWithIndex / group列挙子によるメモリリークの回避

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？

これは、古いiterateeAPIを使い続けている人にとってはほとんど慰めにはなりませんが、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、テストコードを次に示します。

// 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、nパラメーターの任意の値で機能するはずです（十分に長く待つことをいとわない場合）-2 ^ 14個の32MiB配列（つまり、時間の経過に応じて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。