Почему мой код использует монадические списки из пакета списков такими медленными?
-
29-09-2019 - |
Вопрос
На прошлой неделе пользователь Masse спросил Вопрос о рекурсивном перечислении файлов в каталоге в Хаскелле. Моя первая мысль заключалась в том, чтобы попытаться использовать монадические списки из List
упаковка Чтобы не создавать весь список в памяти до начала печати. Я реализовал это следующим образом:
module Main where
import Prelude hiding (filter)
import Control.Applicative ((<$>))
import Control.Monad (join)
import Control.Monad.IO.Class (liftIO)
import Control.Monad.ListT (ListT)
import Data.List.Class (cons, execute, filter, fromList, mapL)
import System (getArgs)
import System.Directory (getDirectoryContents, doesDirectoryExist)
import System.FilePath ((</>))
main = execute . mapL putStrLn . listFiles =<< head <$> getArgs
listFiles :: FilePath -> ListT IO FilePath
listFiles path = liftIO (doesDirectoryExist path) >>= listIfDir
where
valid "." = False
valid ".." = False
valid _ = True
listIfDir False = return path
listIfDir True
= cons path
$ join
$ listFiles
<$> (path </>)
<$> (filter valid =<< fromList <$> liftIO (getDirectoryContents path))
Это прекрасно работает тем, что начинает печатать немедленно и использует очень мало памяти. К сожалению, это также десятки раз медленнее, чем сопоставимый FilePath -> IO [FilePath]
версия.
Что я делаю не так? Я никогда не использовал List
пакет ListT
Помимо таких примеров игрушек, поэтому я не знаю, какую производительность ожидать, но 30 секунд (против доли секунды) для обработки каталога с ~ 40 000 файлов кажется слишком медленным.
Решение
Профилирование показывает это join
(вместе с doesDirectoryExists
) Учетные записи большую часть времени в вашем коде. Посмотрим, как разворачивается его определение:
join x
=> (definition of join in Control.Monad)
x >>= id
=> (definition of >>= in Control.Monad.ListT)
foldrL' mappend mempty (fmap id x)
=> (fmap id = id)
foldrL' mappend mempty x
Если в корневом каталоге поиска есть k
подкатализации и их содержание уже рассчитаны в списках: d1, d2, ... dk.
, затем после применения join
Вы получите (примерно): (...(([] ++ d1) ++ d2) ... ++ dk.)
. Отказ С x ++ y
требуется время O(length x)
Все это займет время O(d1 + (d1 + d2) + ... + (d1 + ... dk.-1))
. Отказ Если мы предположим, что количество файлов составляет n
и они равномерно распределены между d1 ... dk.
Затем время вычислить join
было бы O(n*k)
И это только для первого уровня listFiles
.
Это, я думаю, является основной проблемой производительности с вашим решением.
Другие советы
Мне любопытно, насколько хорошо та же самая программа, написанная для использования логик работать на вас? LogicT
семантически то же самое, что и ListT
, но реализовано в стиле продолжения, чтобы не иметь concat
-Сотральный тип проблем, с которыми вы, кажется, сталкиваетесь.
import Prelude hiding (filter)
import Control.Applicative
import Control.Monad
import Control.Monad.Logic
import System (getArgs)
import System.Directory (getDirectoryContents, doesDirectoryExist)
import System.FilePath ((</>))
main = sequence_ =<< observeAllT . fmap putStrLn . listFiles =<< head <$> getArgs
cons :: MonadPlus m => a -> m a -> m a
cons x xs = return x `mplus` xs
fromList :: MonadPlus m => [a] -> m a
fromList = foldr cons mzero
filter :: MonadPlus m => (a -> Bool) -> m a -> m a
filter f xs = do
x <- xs
guard $ f x
return x
listFiles :: FilePath -> LogicT IO FilePath
listFiles path = liftIO (doesDirectoryExist path) >>= listIfDir
where
valid "." = False
valid ".." = False
valid _ = True
listIfDir False = return path
listIfDir True
= cons path
$ join
$ listFiles
<$> (path </>)
<$> (filter valid =<< fromList <$> liftIO (getDirectoryContents path))
Запуск его в большом каталоге раскрывает утечку памяти. Я подозреваю, что это связано со строгостью getDirectoryContents, но может быть больше. Простое профилирование не появилось много, я бы добавил несколько дополнительных центров затрат и пошел оттуда ...