erlang - 需要澄清 erlang 位串的匹配上下文

Question

我读过efficiency guide和 erlang-questions mailing list archive &Erlang 中所有可用的书籍。但我还没有找到高效的准确描述二进制模式匹配。虽然，我还没有阅读来源:)但我希望已经阅读过它们的人会阅读这篇文章。这是我的问题。

1. erlang 二进制文件有多少个匹配上下文？

   a) 如果我们按顺序匹配二进制文件的各个部分并且仅匹配一次

   A = <<1,2,3,4>>.
   <<A1,A2,A3,A4>> = A.
   

   我们只有一个二元匹配上下文(从 A 的开头移动到结尾)，还是四个？

   b) 如果我们第一次从头到尾按顺序匹配二进制文件的各个部分并且(再次依次)第二次从头到尾

   B = <<1,2,3,4>>.
   <<B1,B2,B3,B4>> = B.
   <<B11,B22,B33,B44>> = B.
   

   我们是否只有一个匹配上下文，从 B 的开头移动到结尾B，然后再次从 B 的开头移动到 B 的结尾，

   或

   我们有 2 个匹配上下文，一个是从 B 的开头移动到 B 的结尾，另一个 - 再次从 B 的开头到 B 的结尾(因为第一个不能移动再次回到开头)

   或者我们有 8 个匹配上下文？

2. 根据documentation ，如果我写:

   my_binary_to_list(<<H,T/binary>>) ->
       [H|my_binary_to_list(T)];
   my_binary_to_list(<<>>) -> [].
   

   整个递归树只有 1 个匹配上下文，尽管如此函数不是尾递归的。

   a) 我是否理解正确，在这种情况下只有 1 个匹配上下文？

   b) 我说得对吗，如果我按顺序匹配一个 erlang 二进制文件(从开始到end)，使用哪种递归类型(tail或body)并不重要？(从二进制匹配效率的角度来看)

   c) 如果我要不按顺序处理 erlang 二进制文件，比如说，我正在穿越，该怎么办二进制 - 首先我匹配第一个字节，然后匹配第 1000 个字节，然后匹配第 5 个字节，然后匹配第 10001 个字节，然后匹配第 10 个字节...

   在这种情况下，

   d1) 如果我使用 body-recursion，我会有多少个该二进制文件的匹配上下文 -一或 >1？

   d2) 如果我使用尾递归，这个二进制文件会有多少个匹配上下文 -一或 >1？

3. 如果我通过尾递归传递一个大的二进制文件(比如 1 MB)，所有 1 MB 的数据都会被复制吗？或者只有某种指向该二进制文件开头的指针在调用之间传递？

4. 我匹配哪个二进制文件(大或小)重要吗？将为任何大小的二进制文件创建匹配上下文，还是只为大的二进制文件创建匹配上下文？

Answer 1

我只是 erlang 的初学者，所以对这个答案持保留态度。

1. How many match contexts does an erlang binary have?

   a) 仅创建一个上下文，但在该实例中它被完全消耗，因为没有任何内容可以匹配，因此它可能无法重用。

   b) 同样，整个二进制文件被分割，匹配后没有留下任何上下文，尽管已经为每一行创建了一个上下文:从 B1 到 B4 的赋值code> 创建一个上下文，从 B11 到 B44 的第二组赋值也创建一个上下文。因此，我们总共创建并使用了 2 个上下文。

2. According to documentation [...]

   这一部分对我来说也不太清楚，但这是我能弄清楚的。

   a) 是的，在函数递归执行的整个过程中只会分配一个上下文。

   b)实际上没有提到区分尾递归与非尾递归。然而，给出的示例显然是一个可以转换(尽管它并不简单)为尾递归函数的函数。我认为当一个子句包含多个供上下文遵循的路径时，编译器决定复制匹配的上下文。在这种情况下，编译器检测到该函数是尾部可优化的，并且不进行分配。

   c)我们在您复制的示例中看到相反的情况发生，其中包含一个 case 表达式:在那里，上下文可能遵循 2 个不同的路径，因此编译器必须在每个递归级别强制分配.

3. If I pass a large binary (say 1 megabyte) via tail recursion [...]

   来自第 4.1 节:

   A sub binary is created by split_binary/2 and when a binary is matched out in a binary pattern. A sub binary is a reference into a part of another binary (refc or heap binary, never into a another sub binary). Therefore, matching out a binary is relatively cheap because the actual binary data is never copied.

   在处理二进制文件时，缓冲区用于存储实际数据，任何匹配的子部分都被实现为包含指向原始缓冲区的指针的结构，加上偏移量和指示哪个子部分正在被处理的长度经过考虑的。这就是文档中提到的子二进制类型。

4. 我匹配哪个二进制文件重要吗 - 大还是小 - ...

   来自相同的§ 4.1:

   The binary containers are called refc binaries (short for reference-counted binaries) and heap binaries.

   Refc binaries consist of two parts: an object stored on the process heap, called a ProcBin, and the binary object itself stored outside all process heaps.

   [...]

   Heap binaries are small binaries, up to 64 bytes, that are stored directly on the process heap. They will be copied when the process is garbage collected and when they are sent as a message. They don't require any special handling by the garbage collector.

   这表明，根据二进制文件的大小，它可能会存储为进程外部的大缓冲区，并通过代理结构在进程中引用，或者如果该二进制文件小于 64 字节，它将直接存储在处理它的进程内存中。第一种情况可以避免在共享二进制文件的进程在同一节点上运行时复制二进制文件。