haskell - 为什么我的 Haskell 程序以内存不足错误结束？

Question

我正在尝试编写一个 Haskell 程序来解析巨大的文本文件(大约 14Gb)，但我无法理解如何让它从内存中释放未使用的数据，或者在 foldr 期间不使堆栈溢出。下面是程序源码:

import qualified Data.ByteString.Lazy.Char8 as LBS
import qualified Data.ByteString.Lex.Lazy.Double as BD
import System.Environment


data Vertex = 
    Vertex{
     vertexX :: Double,
     vertexY :: Double,
     vertexZ :: Double}
    deriving (Eq, Show, Read)

data Extent = 
    Extent{
     extentMax :: Vertex,
     extentMin :: Vertex}
    deriving (Eq, Show, Read)

addToExtent :: Extent -> Vertex -> Extent
addToExtent ext vert = Extent vertMax vertMin where
                        (vertMin, vertMax) = (makeCmpVert max (extentMax ext) vert, makeCmpVert min (extentMin ext) vert) where
                            makeCmpVert f v1 v2 = Vertex(f (vertexX v1) (vertexX v2))
                                                        (f (vertexY v1) (vertexY v2))
                                                        (f (vertexZ v1) (vertexZ v2))

readCoord :: LBS.ByteString -> Double
readCoord l = case BD.readDouble l of
                Nothing -> 0
                Just (value, _) -> value

readCoords :: LBS.ByteString -> [Double]
readCoords l | LBS.length l == 0 = []
             | otherwise = let coordWords = LBS.split ' ' l 
                            in map readCoord coordWords

parseLine :: LBS.ByteString -> Vertex
parseLine line = Vertex (head coords) (coords!!1) (coords!!2) where
    coords = readCoords line 

processLines :: [LBS.ByteString] -> Extent -> Extent
processLines strs ext = foldr (\x y -> addToExtent y (parseLine x)) ext strs

processFile :: String -> IO()
processFile name = do
    putStrLn name
    content <- LBS.readFile name
    let (countLine:recordsLines) = LBS.lines content
    case LBS.readInt countLine of
        Nothing -> putStrLn "Can't read records count"
        Just (recordsCount, _) -> do
                                    print recordsCount
                                    let vert = parseLine (head recordsLines)
                                    let ext = Extent vert vert
                                    print $ processLines recordsLines ext

main :: IO()
main = do
        args <- getArgs
        case args of
            [] -> do
                putStrLn "Missing file path"                    
            xs -> do
                    processFile (head xs)
                    return()

文本文件包含具有三个以空格字符分隔的浮点数的行。该程序总是试图占用计算机上的所有可用内存，并因内存不足错误而崩溃。

Answer 1

你太懒了。 Vertex和 Extent具有非严格字段，并且所有函数都返回 Vertex返回

Vertex thunk1 thunk2

不强制对组件进行评估。还有 addToExtent直接返回一个

Extent thunk1 thunk2

无需评估组件。

因此没有 ByteString s 实际上是提前释放以进行垃圾收集，因为 Double s 还没有从它们中解析出来。

当通过制作 Vertex 的字段来修复时和 Extent严格 - 或返回 Vertex 的函数分别 Extent强制他们输入的所有部分，你的问题是

processLines strs ext = foldr (\x y -> addToExtent y (parseLine x)) ext strs

无法在到达行列表末尾之前开始组装结果，因为那时

(\x y -> addToExtent y (parseLine x))

在其第二个参数中是严格的。

但是，除非 NaN s 和未定义的值，如果我没有遗漏一些东西，如果您使用(严格!)左折叠，结果将是相同的，所以

processLines strs ext = foldl' (\x y -> addToExtent x (parseLine y)) ext strs

如果 Vertex 应该在不保留数据的情况下产生所需的结果和 Extent获取严格的字段。

啊，我确实错过了一些东西:

addToExtent ext vert = Extent vertMax vertMin
  where
    (vertMin, vertMax) = (makeCmpVert max (extentMax ext) vert, makeCmpVert min (extentMin ext)

如果这不是一个错字(我期望它是)，那么修复它会有些困难。

我认为应该是

    (vertMax, vertMin) = ...