- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我一直在尝试编写一个 XML 解析器来读取维基百科 XML 转储(英语,只有当前修订版,压缩后大约 6.2Gb)并且一直在使用 Scala 2.8.1 pull 解析器。它得到了一个合理的通过(超过 1000 万篇文章中的 300 万篇)但似乎逐渐泄漏内存并最终因堆外错误而爆炸。我将堆增加到 1.5Gb 并且它变得更远(几乎到最后),但后来我得到(我忘记了确切的异常)一个错误表明垃圾收集器正在放弃(花费了整个处理资源的很大一部分无需回收太多)。
我的代码对我来说似乎是合理的(尽管它还不是惯用的函数式 scala)而且我看不到任何明显的泄漏源。我也知道拉式解析器仍在完善中——但我太清楚自己的无知,无法将其称为库问题。我是一位经验丰富的 C++ 和 Python 程序员,但我刚刚接触 Scala,因此非常感谢任何反馈。
import java.io.{FileInputStream, BufferedInputStream}
import org.apache.commons.compress.compressors.bzip2.BZip2CompressorInputStream
import org.apache.hadoop.io.SequenceFile.{createWriter}
import org.apache.hadoop.conf.Configuration
import org.apache.hadoop.fs.{FileSystem, Path}
import org.apache.hadoop.io.Text
import org.apache.hadoop.io.SequenceFile.CompressionType.BLOCK
import scala.io.Source
import scala.xml.pull.{XMLEventReader, EvElemStart, EvElemEnd, EvText}
object Crunch
{
private def parsePage( parser : XMLEventReader ) : (String, Long, Long, String) =
{
var title = ""
var id = 0
var revision = 0
var text = ""
var done = false
while ( parser.hasNext && !done )
{
parser.next match
{
case EvElemStart(_, "title", _, _ ) =>
{
title = getText( parser, "title" )
}
/*case EvElemStart(_, "revision", _, _) =>
{
// Need to get the 'id' from revision
revision = getText( parser, "revision" ).toInt
}*/
case EvElemStart(_, "id", _, _ ) =>
{
id = getText( parser, "id" ).toInt
}
case EvElemStart(_, "text", _, _ ) =>
{
text = getText( parser, "text" )
}
case EvElemEnd(_, "page") =>
{
done = true
}
case _ =>
}
}
return (title, id, revision, text)
}
private def getText( parser : XMLEventReader, inTag : String ) : String =
{
var fullText = new StringBuffer()
var done = false
while ( parser.hasNext && !done )
{
parser.next match
{
case EvElemEnd(_, tagName ) =>
{
assert( tagName.equalsIgnoreCase(inTag) )
done = true
}
case EvText( text ) =>
{
fullText.append( text )
}
case _ =>
}
}
return fullText.toString()
}
def main( args : Array[String] )
{
require( args.length == 2 )
val fin = new FileInputStream( args(0) )
val in = new BufferedInputStream(fin)
val decompressor = new BZip2CompressorInputStream(in)
val runtime = Runtime.getRuntime
val conf = new Configuration()
val fs = FileSystem.get(conf)
//val writer = createWriter( fs, conf, new Path(args(1)), new Text().getClass(), new Text().getClass(), BLOCK )
var count = 0
try
{
val source = Source.fromInputStream( decompressor )
val parser = new XMLEventReader(source)
while (parser.hasNext)
{
parser.next match
{
case EvElemStart(_, "page", attrs, _) =>
{
val (title, id, revision, text) = parsePage( parser )
//writer.append( new Text(title), new Text(text) )
count = count + 1
if ( count % 100 == 0 )
{
printf("%s %d (%dMb mem, %dMb free)\n", title, count,
(runtime.totalMemory/1024/1024).toInt,
(runtime.freeMemory/1024/1024).toInt )
}
}
case _ =>
}
// Do something
}
}
finally
{
decompressor.close()
fin.close()
}
println( "Finished decompression.")
}
}
最佳答案
在 trunk 中修复了 XML pull 解析器的 2 种类型的内存问题:
第一个问题通常会导致非常快的内存不足问题,所以不太可能。
两者都应该每晚修复 2.9.0,我建议使用它。如果你运行在 2.9.0 issues 因为它是 trunk 并且可能不稳定,你也可以通过下载并在本地编译 XMLEventEventReader
和 MarkupParser
来反向移植这两个补丁,然后将输出打包为 00patch.jar
,使其位于 scala libs jar 之前,并将其放在 2.8.1 安装的 $SCALA_HOME/lib
下。
关于xml - 使用拉式解析器的 Scala 内存泄漏,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5057322/
我一直在使用 AJAX 从我正在创建的网络服务中解析 JSON 数组时遇到问题。我的前端是一个简单的 ajax 和 jquery 组合,用于显示从我正在创建的网络服务返回的结果。 尽管知道我的数据库查
很难说出这里要问什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或夸夸其谈,无法以目前的形式得到合理的回答。如需帮助澄清此问题以便重新打开,visit the help center . 关闭 1
我在尝试运行 Android 应用程序时遇到问题并收到以下错误 java.lang.NoClassDefFoundError: com.parse.Parse 当我尝试运行该应用时。 最佳答案 在这
有什么办法可以防止etree在解析HTML内容时解析HTML实体吗? html = etree.HTML('&') html.find('.//body').text 这给了我 '&' 但我想
我有一个有点疯狂的例子,但对于那些 JavaScript 函数作用域专家来说,它看起来是一个很好的练习: (function (global) { // our module number one
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 8 年前。 Improve th
我需要编写一个脚本来获取链接并解析链接页面的 HTML 以提取标题和其他一些数据,例如可能是简短的描述,就像您链接到 Facebook 上的内容一样。 当用户向站点添加链接时将调用它,因此在客户端启动
在 VS Code 中本地开发时,包解析为 C:/Users//AppData/Local/Microsoft/TypeScript/3.5/node_modules/@types//index而不是
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我在将 json 从 php 解析为 javascript 时遇到问题 这是我的示例代码: //function MethodAjax = function (wsFile, param) {
我被赋予了将一种语言“翻译”成另一种语言的工作。对于使用正则表达式的简单逐行方法来说,源代码过于灵活(复杂)。我在哪里可以了解更多关于词法分析和解析器的信息? 最佳答案 如果你想对这个主题产生“情绪化
您好,我在解析此文本时遇到问题 { { { {[system1];1;1;0.612509325}; {[system2];1;
我正在为 adobe after effects 在 extendscript 中编写一些代码,最终变成了 javascript。 我有一个数组,我想只搜索单词“assemble”并返回整个 jc3_
我有这段代码: $(document).ready(function() { // }); 问题:FB_RequireFeatures block 外部的代码先于其内部的代码执行。因此 who
背景: netcore项目中有些服务是在通过中间件来通信的,比如orleans组件。它里面服务和客户端会指定网关和端口,我们只需要开放客户端给外界,服务端关闭端口。相当于去掉host,这样省掉了些
1.首先贴上我试验成功的代码 复制代码 代码如下: protected void onMeasure(int widthMeasureSpec, int heightMeasureSpec)
什么是 XML? XML 指可扩展标记语言(eXtensible Markup Language),标准通用标记语言的子集,是一种用于标记电子文件使其具有结构性的标记语言。 你可以通过本站学习 X
【PHP代码】 复制代码 代码如下: $stmt = mssql_init('P__Global_Test', $conn) or die("initialize sto
在SQL查询分析器执行以下代码就可以了。 复制代码代码如下: declare @t varchar(255),@c varchar(255) declare table_cursor curs
前言 最近练习了一些前端算法题,现在做个总结,以下题目都是个人写法,并不是标准答案,如有错误欢迎指出,有对某道题有新的想法的友友也可以在评论区发表想法,互相学习🤭 题目 题目一: 二维数组中的
我是一名优秀的程序员,十分优秀!