sfondo
Come notato in questa domanda , sto usando gli iterati di Scalaz 7 per elaborare un flusso di dati di grandi dimensioni (cioè illimitato) in uno spazio di heap costante.
Il mio codice ha questo aspetto:
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))
Il problema
Mi sembra di aver riscontrato una perdita di memoria, ma non ho abbastanza familiarità con Scalaz / FP per sapere se il bug è in Scalaz o nel mio codice. Intuitivamente, mi aspetto che questo codice richieda solo (nell'ordine di) P volte lo Chunk
spazio -size.
Nota: ho trovato una domanda simile in cui è OutOfMemoryError
stato riscontrato un messaggio di errore, ma il mio codice non è in uso consume
.
analisi
Ho eseguito alcuni test per cercare di isolare il problema. Per riassumere, la perdita sembra verificarsi solo quando vengono utilizzati sia zipWithIndex
e 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
Codice per le prove:
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
}
Domande
- Il bug è nel mio codice?
- Come posso fare in modo che funzioni in uno spazio heap costante?
-XX:+HeapDumpOnOutOfMemoryError
analizzare il dump con eclipse MAT eclipse.org/mat per vedere quale riga di codice sta trattenendo gli array.
var
contatore mentre procedi .
Long
indice per blocco cambierebbe l'algoritmo da spazio heap costante a non costante? La versione non zippata usa chiaramente uno spazio di heap costante, perché può "elaborare" tutti i blocchi che sei disposto ad aspettare.