Scala 无限迭代器 OutOfMemory

Question

我在玩 Scala 的惰性迭代器，但遇到了一个问题。我想要做的是读取一个大文件，进行转换，然后写出结果:

object FileProcessor {
  def main(args: Array[String]) {
    val inSource = Source.fromFile("in.txt")
    val outSource = new PrintWriter("out.txt")

    try {
      // this "basic" lazy iterator works fine
      // val iterator = inSource.getLines

      // ...but this one, which incorporates my process method, 
      // throws OutOfMemoryExceptions
      val iterator = process(inSource.getLines.toSeq).iterator

      while(iterator.hasNext) outSource.println(iterator.next)

    } finally {
      inSource.close()
      outSource.close()
    }
  }

  // processing in this case just means upper-cases every line
  private def process(contents: Seq[String]) = contents.map(_.toUpperCase)
}

所以我在大文件上收到 OutOfMemoryException 。我知道如果您保留对流头部的引用，您可能会与 Scala 的惰性流发生冲突。所以在这种情况下，我小心地将 process() 的结果转换为迭代器并丢弃它最初返回的 Seq。

有谁知道为什么这仍然会导致 O(n) 内存消耗？谢谢!

更新

针对 fge 和 huynhjl，似乎 Seq 可能是罪魁祸首，但我不知道为什么。例如，以下代码运行良好(我到处都在使用 Seq)。此代码不会产生 OutOfMemoryException:

object FileReader {
  def main(args: Array[String]) {

  val inSource = Source.fromFile("in.txt")
  val outSource = new PrintWriter("out.txt")
  try {
    writeToFile(outSource, process(inSource.getLines.toSeq))
  } finally {
    inSource.close()
    outSource.close()
  }
}

@scala.annotation.tailrec
private def writeToFile(outSource: PrintWriter, contents: Seq[String]) {
  if (! contents.isEmpty) {
    outSource.println(contents.head)
    writeToFile(outSource, contents.tail)
  }
}

private def process(contents: Seq[String]) = contents.map(_.toUpperCase)

Answer 1

按照 fge 的提示，修改 process使用迭代器并删除 .toSeq . inSource.getLines已经是一个迭代器。

转换为 Seq将导致项目被记住。我认为它会将迭代器转换为 Stream并使所有项目都被记住。

编辑:好的，它更微妙。你做的相当于 Iterator.toSeq.iterator调用 iterator关于过程的结果。这可能会导致内存不足异常。

scala> Iterator.continually(1).toSeq.iterator.take(300*1024*1024).size
java.lang.OutOfMemoryError: Java heap space

这可能与此处报告的问题相同: https://issues.scala-lang.org/browse/SI-4835 .请注意我在错误末尾的评论，这是来自个人经验。