Tôi nhận được thông báo Heap exhausted
khi chạy chương trình Haskell ngắn sau đây trên một tập dữ liệu đủ lớn. Ví dụ, chương trình không thành công (với tràn heap) trên tập tin đầu vào 20 Mb với khoảng 900k dòng. Kích thước heap đã được đặt (thông qua -with-rtsopts
) thành 1 Gb. Nó chạy ok nếu longestCommonSubstrB
được định nghĩa là một cái gì đó đơn giản hơn, ví dụ commonPrefix
. Tôi cần xử lý các tập tin theo thứ tự 100 Mb.Lỗi tràn trong Haskell
tôi biên soạn chương trình với các dòng lệnh sau (GHC 7.8.3):
ghc -Wall -O2 -prof -fprof-auto "-with-rtsopts=-M512M -p -s -h -i0.1" SampleB.hs
tôi sẽ đánh giá cao bất kỳ sự giúp đỡ trong việc đưa ra điều này chạy trong một số tiền hợp lý của không gian (theo thứ tự của các đầu vào kích thước tập tin), nhưng tôi đặc biệt sẽ đánh giá cao quá trình suy nghĩ của việc tìm kiếm nơi nút cổ chai là ở đâu và ở đâu và làm thế nào để ép buộc sự nghiêm ngặt.
Tôi đoán là bằng cách nào đó việc buộc phải longestCommonSubstrB
chức năng đánh giá đúng sẽ giải quyết được vấn đề, nhưng tôi không biết cách thực hiện điều đó.
{-# LANGUAGE BangPatterns #-}
module Main where
import System.Environment (getArgs)
import qualified Data.ByteString.Lazy.Char8 as B
import Data.List (maximumBy, sort)
import Data.Function (on)
import Data.Char (isSpace)
-- | Returns a list of lexicon items, i.e. [[w1,w2,w3]]
readLexicon :: FilePath -> IO [[B.ByteString]]
readLexicon filename = do
text <- B.readFile filename
return $ map (B.split '\t' . stripR) . B.lines $ text
where
stripR = B.reverse . B.dropWhile isSpace . B.reverse
transformOne :: [B.ByteString] -> B.ByteString
transformOne (w1:w2:w3:[]) =
B.intercalate (B.pack "|") [w1, longestCommonSubstrB w2 w1, w3]
transformOne a = error $ "transformOne: unexpected tuple " ++ show a
longestCommonSubstrB :: B.ByteString -> B.ByteString -> B.ByteString
longestCommonSubstrB xs ys = maximumBy (compare `on` B.length) . concat $
[f xs' ys | xs' <- B.tails xs] ++
[f xs ys' | ys' <- tail $ B.tails ys]
where f xs' ys' = scanl g B.empty $ B.zip xs' ys'
g z (x, y) = if x == y
then z `B.snoc` x
else B.empty
main :: IO()
main = do
(input:output:_) <- getArgs
lexicon <- readLexicon input
let flattened = B.unlines . sort . map transformOne $ lexicon
B.writeFile output flattened
Đây là hồ sơ cá nhân ouput cho các tập dữ liệu kiểm tra (100k dòng, kích thước heap thiết lập để 1 GB, tức là generateSample.exe 100000
, kích thước tập tin kết quả là 2,38 MB):
hồ sơ Heap theo thời gian:
thống kê Thực hiện:
3,505,737,588 bytes allocated in the heap
785,283,180 bytes copied during GC
62,390,372 bytes maximum residency (44 sample(s))
216,592 bytes maximum slop
96 MB total memory in use (0 MB lost due to fragmentation)
Tot time (elapsed) Avg pause Max pause
Gen 0 6697 colls, 0 par 1.05s 1.03s 0.0002s 0.0013s
Gen 1 44 colls, 0 par 4.14s 3.99s 0.0906s 0.1935s
INIT time 0.00s ( 0.00s elapsed)
MUT time 7.80s ( 9.17s elapsed)
GC time 3.75s ( 3.67s elapsed)
RP time 0.00s ( 0.00s elapsed)
PROF time 1.44s ( 1.35s elapsed)
EXIT time 0.02s ( 0.00s elapsed)
Total time 13.02s (12.85s elapsed)
%GC time 28.8% (28.6% elapsed)
Alloc rate 449,633,678 bytes per MUT second
Productivity 60.1% of total user, 60.9% of total elapsed
Thời gian và phân bổ Báo cáo Profiling:
SampleB.exe +RTS -M1G -p -s -h -i0.1 -RTS sample.txt sample_out.txt
total time = 3.97 secs (3967 ticks @ 1000 us, 1 processor)
total alloc = 2,321,595,564 bytes (excludes profiling overheads)
COST CENTRE MODULE %time %alloc
longestCommonSubstrB Main 43.3 33.1
longestCommonSubstrB.f Main 21.5 43.6
main.flattened Main 17.5 5.1
main Main 6.6 5.8
longestCommonSubstrB.g Main 5.0 5.8
readLexicon Main 2.5 2.8
transformOne Main 1.8 1.7
readLexicon.stripR Main 1.8 1.9
individual inherited
COST CENTRE MODULE no. entries %time %alloc %time %alloc
MAIN MAIN 45 0 0.1 0.0 100.0 100.0
main Main 91 0 6.6 5.8 99.9 100.0
main.flattened Main 93 1 17.5 5.1 89.1 89.4
transformOne Main 95 100000 1.8 1.7 71.6 84.3
longestCommonSubstrB Main 100 100000 43.3 33.1 69.8 82.5
longestCommonSubstrB.f Main 101 1400000 21.5 43.6 26.5 49.5
longestCommonSubstrB.g Main 104 4200000 5.0 5.8 5.0 5.8
readLexicon Main 92 1 2.5 2.8 4.2 4.8
readLexicon.stripR Main 98 0 1.8 1.9 1.8 1.9
CAF GHC.IO.Encoding.CodePage 80 0 0.0 0.0 0.0 0.0
CAF GHC.IO.Encoding 74 0 0.0 0.0 0.0 0.0
CAF GHC.IO.FD 70 0 0.0 0.0 0.0 0.0
CAF GHC.IO.Handle.FD 66 0 0.0 0.0 0.0 0.0
CAF System.Environment 65 0 0.0 0.0 0.0 0.0
CAF Data.ByteString.Lazy.Char8 54 0 0.0 0.0 0.0 0.0
CAF Main 52 0 0.0 0.0 0.0 0.0
transformOne Main 99 0 0.0 0.0 0.0 0.0
readLexicon Main 96 0 0.0 0.0 0.0 0.0
readLexicon.stripR Main 97 1 0.0 0.0 0.0 0.0
main Main 90 1 0.0 0.0 0.0 0.0
UPDATE: Chương trình sau đây có thể được sử dụng để tạo ra dữ liệu mẫu. Nó mong đợi một đối số, số dòng trong tập dữ liệu được tạo. Dữ liệu được tạo sẽ được lưu vào tệp sample.txt
. Khi tôi tạo ra 900k dòng dữ liệu với nó (bằng cách chạy generateSample.exe 900000
), bộ dữ liệu được sản xuất làm cho chương trình trên không thành công với tràn bộ đệm (kích thước heap được đặt thành 1 GB). Tập dữ liệu kết quả là khoảng 20 MB.
module Main where
import System.Environment (getArgs)
import Data.List (intercalate, permutations)
generate :: Int -> [(String,String,String)]
generate n = take n $ zip3 (f "banana") (f "ruanaba") (f "kikiriki")
where
f = cycle . permutations
main :: IO()
main = do
(n:_) <- getArgs
let flattened = unlines . map f $ generate (read n :: Int)
writeFile "sample.txt" flattened
where
f (w1,w2,w3) = intercalate "\t" [w1, w2, w3]
Vâng 'sắp xếp' không thể chạy trong không gian liên tục: nó cần phải tiêu thụ (và giữ lại) toàn bộ đầu vào của nó trước khi tạo ra bất kỳ đầu ra nào. –
Mặc dù tôi không nghĩ rằng GHC có liên quan đến vấn đề này vào lúc này, bạn nên luôn đưa phiên bản GHC vào văn bản câu hỏi cùng với báo cáo hồ sơ. – dfeuer
@dfeuer GHC phiên bản 7.8.3 – Glaukon