8
7

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 5 years have passed since last update.

ScalaのRegexParsersがすごく遅くなる件の原因と対策(version 1.0.2で修正されました)

Last updated at Posted at 2014-06-20

追記: この問題はversion 1.0.2で修正されました。

https://groups.google.com/d/topic/scala-announce/AnIPnB1rfUQ/discussion
http://repo1.maven.org/maven2/org/scala-lang/modules/scala-parser-combinators_2.11/1.0.2/

Scala 2.11からscala-parser-combinatorsは別jarになってますのでサクッとbuild.sbtを書き換えて修正できるようです。

RegexParsersでCSVパーサを書いていました

テストコードはパスして、実際にある程度のサイズのファイルを食べさせてみると、すごく遅い。まあそんなものなのかなぁと一晩放置すると

java.lang.OutOfMemoryError: Java heap space

となりました。

VisualVMでプロファイルしたものが以下です

Reader1WithParser1
parser1

4361ec54766bc80fc470de34a5b4296c.png

b8d2b349f5ccd23888a88ea367043bf0 .png

Regex.findPrefixMatchOf()がほとんどの時間を占めていて、char[]の消費がすごい。

調べてみると該当するIssueが見つかりました

どうやらJavaのStringに関する仕様変更をまともに食らったらしく、メモリパフォーマンスがO(入力長)!!になってしまった模様。修正パッチはマージされていますが、単純にRegexParsers.scala has O(inputlength) memory performance on java >= 7u6に書かれているFastCharSequenceを参考にArray[Char]をラップして、RegexParsers.parseまたはRegexParsers.parseAllに渡せばよさそうです。charAtのindexが負の場合のチェックが抜けてますので、そこを修正して

FastCharSequence.scala

/**
 * https://issues.scala-lang.org/browse/SI-7710
 */
class FastCharSequence(chars: Array[Char], val sb: Int, val eb: Int) extends CharSequence {
  def this(chars: Array[Char]) = this(chars, 0, chars.length)

  lazy val length = eb - sb

  def charAt(i: Int): Char = {
    if (i < 0 || i >= length) {
      throw new IndexOutOfBoundsException
    }
    chars(i + sb)
  }

  def subSequence(s: Int, e: Int): CharSequence = {
    if (s < 0 || e < 0 || s > e || e > length) {
      throw new IndexOutOfBoundsException
    }
    new FastCharSequence(chars, sb + s, sb + e)
  }

  override def toString(): String = new String(chars, sb, length)
}

また、ファイル全体を読み込んでパーサに渡すのでなく、一定サイズをバッファに読み込み、順次パースしていき、失敗するとバッファを増やしてトライする…というような処理を行う場合、このFastCharSequenceをなるべく低コストで連結できるとうれしいので、その場合は以下のように対応できます。

JointCharSequence.scala
class JointCharSequence(a: CharSequence, b: CharSequence) extends CharSequence {
  lazy val length = a.length + b.length

  def charAt(i: Int) = {
    if (i < 0 || i >= length) {
      throw new IndexOutOfBoundsException
    }
    if (i < a.length) {
      a.charAt(i)
    } else {
      b.charAt(i-a.length)
    }
  }

  def subSequence(s: Int, e: Int) = {
    if (s < 0 || e < 0 || s > e || e > length) {
      throw new IndexOutOfBoundsException
    }
    if (s < a.length) {
      if (e <= a.length) {
        a.subSequence(s, e)
      } else {
        val _e = e-a.length
        val _a = if (s == 0) a else a.subSequence(s, a.length)
        val _b = if (_e == b.length) b else b.subSequence(0, _e)
        new JointCharSequence(_a, _b)
      }
    } else {
      b.subSequence(s-a.length, e-a.length)
    }
  }

  override def toString(): String = a.toString + b.toString
}

上記の修正を適用して、なんとか実用的な速度でCSVパーサが動くようになりました

Reader2WithParser1
1d2d8655dec622eb581dd06e2ce4e4d4.png

しかしOrangeSignal CSV比ではわずか10%の速度。

OrangeSignal CSV
d84cd129dae7b361b440ac09920ff83b.png
はやい!

8
7
2

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
8
7

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?