مرحبا يا هابر.
اليوم الآخر سيمارجلدعاني لترجمة مقالة غريبة عن الانتصار على يونكس wc
بمساعدة هاسكل. بالطبع ، لن أترجمها ، ولعدة أسباب:
- قام المؤلف بطرد النسخة ذات الخيوط الفردية بأي حال من الأحوال ، وكانت النسخة ذات الخيوط الفردية أبطأ بكثير
wc
، - في هذه المقالة ، من أجل الفوز ، كان من الضروري استخدام مؤشرات متعددة (والتي هي في حد ذاتها جزء من الغش والنصر بدلاً من الحس السليم وليس أكثر
wc
) ، - لهذا ، كان على المؤلف الخوض في
تريكوmonads و monoids - لا ، هذا توضيح ممتاز لسحر التفكير الأحادي ، لكن IMHO كثيرًا جدًا لمثل هذه المهمة ، خاصة لأنه بسبب هذا - تبين أن الرمز كبير جدًا ،
- وبالفعل ، للتنافس معها
wc
، والتي تحتوي على مجموعة من الخيارات والميزات ، تدرك أنها لعبة تناظرية للغاية ، بشكل عام أنها غريبة نوعًا ما وحتى غبية قليلاً.
ومع ذلك ، فإن القيام بأشياء غريبة أمر جيد ، لذلك سنحاول اليوم إصلاح أول النقاط أعلاه وتحسين نتيجة Chris (اسم مؤلف المقالة الأصلية).
مرة أخرى ، كما اكتشفنا في المرة الأخيرة ، لا يمكنني كتابة رمز C ، لذلك لن أكتبه أيضًا ، wc
وبصفتي منافسًا لتنفيذ Haskell ، لدي (مثل كريس) نظام GNU Coreutils. يعرف هؤلاء الرجال بالتأكيد كيفية الكتابة في لغة C ، وهذا الرمز ليس عمره عشر سنوات ، وقد اهتموا بالأداء ، بالحكم على هذه القطع:
Spoiler: سنفوق النظام wc
بحوالي حجم دون أي مشاكل ، بعد أن تلقينا رمزًا اصطلاحيًا تمامًا وننفق أقل من نصف ساعة على تغيير وتحسين الشفرة الأصلية.
شروط التجربة
لذا ، نناقش أولاً الإعداد التجريبي.
البيانات
لقد قمت بتنزيل هذا الملف ولصقه معي ، لذا يبلغ الحجم الإجمالي حوالي 1.8 غيغابايت:
% for i in `seq 1 10`; cat part.txt >> test.txt
% du -sh test.txt
1.8G test.txt
, test.txt
tmpfs
-, , IO.
Gentoo Linux Core i7 4770 32 .
- ghc 8.8.2.
wc
coreutils 8.31, gcc 9.2 -O2 -march=native
:
% wc --version
wc (GNU coreutils) 8.31
Packaged by Gentoo (8.31-r1 (p0))
, -march=native
— C, - - , : x86_64-, wc
coreutils ( SIMD-, ).
, -O3
-O2
— , -O2
.
, time
. time
, , ,
- 0.3 ,
- , , .
, ( ) , .
? wc
!
Unicode ( ), C-, wc
LANG=C LC_ALL=C wc /path/to/test.txt
. ? 10.4 . .
, (ru_RU.UTF-8
) wc
(7.20 ), , , , C- — , .
, ( ), 0.2 — , IO-bound-.
Haskell
, ?
, cs
bs
( , ):
import qualified Data.ByteString.Lazy.Char8 as BS
import Data.Char
wc :: BS.ByteString -> (Int, Int, Int)
wc s =
let (bs, ws, ls, _) = BS.foldl' go (0, 0, 0, False) s
in (bs, ws, ls)
where
go :: (Int, Int, Int, Bool) -> Char -> (Int, Int, Int, Bool)
go (!bs, !ws, !ls, !wasSpace) c =
let addLine | c == '\n' = 1
| otherwise = 0
addWord | wasSpace = 0
| isSpace c = 1
| otherwise = 0
in (bs + 1, ws + addWord, ls + addLine, isSpace c)
, , ( ).
, , 9 wc
. : 31.2 , 306% wc
. 9 , , .
, ( , ), , , , .
?
-, , — . :
{-# LANGUAGE Strict #-}
{-# LANGUAGE RecordWildCards #-}
import qualified Data.ByteString.Lazy.Char8 as BS
import Data.Char
data State = State
{ bs :: Int
, ws :: Int
, ls :: Int
, wasSpace :: Bool
}
wc :: BS.ByteString -> (Int, Int, Int)
wc s = (bs, ws, ls)
where
State { .. } = BS.foldl' go (State 0 0 0 False) s
go State { .. } c = State (bs + 1) (ws + addWord) (ls + addLine) (isSpace c)
where
addLine | c == '\n' = 1
| otherwise = 0
addWord | wasSpace = 0
| isSpace c = 1
| otherwise = 0
bang-, - {-# LANGUAGE Strict #-}
. , ?
, , — 4 ! 7.56 , 75% wc
, ! ?
, : , , . -
data State = State
{ bs :: {-# UNPACK #-} !Int
, ws :: {-# UNPACK #-} !Int
, ls :: {-# UNPACK #-} !Int
, wasSpace :: !Bool
}
Int
- . , nursery area, , , — , .
CSE
, isSpace c
, — . , , go
:
go State { .. } c = State (bs + 1) (ws + addWord) (ls + addLine) isSp
where
isSp = isSpace c
addLine | c == '\n' = 1
| otherwise = 0
addWord | wasSpace = 0
| isSp = 1
| otherwise = 0
? — 2.93 , 28% wc
.
? ghc , , ? — isSpace
( ) , common subexpression elimination.
— ( ). , wc
, . - , :
- LLVM- (
-fllvm
) — , . - (
-O2
) — -O
, -O2
, ? - (
{-# INLINE wc #-}
). , - , , , - . , , , .
, , , .
:
. -, . , -O2
, , LLVM- , ( ).
, . , C (19%!). , .
.
, State
, .
, Bool
, . , Int
, 1
True
, 0
— False
? , , !
data State = State
{ bs :: Int
, ws :: Int
, ls :: Int
, wasSpace :: Int
}
wc :: BS.ByteString -> (Int, Int, Int)
wc s = (bs, ws, ls)
where
State { .. } = BS.foldl' go (State 0 0 0 0) s
go State { .. } c = State (bs + 1) (ws + addWord) (ls + addLine) isSp
where
isSp | isSpace c = 1
| otherwise = 0
addLine | c == '\n' = 1
| otherwise = 0
addWord | wasSpace == 1 = 0
| isSp == 1 = 1
| otherwise = 0
(, Bool
), . , , addWord
guard' ( if
) :
addWord = (1 - wasSpace) * isSp
.
? , , 1.91 , 18% wc
. , .
, ?
ASCII, isSpace
. , . , , , .
, Data.ByteString.Lazy
Data.ByteString.Lazy.Char8
, Char
.
:
{-# LANGUAGE Strict #-}
{-# LANGUAGE RecordWildCards #-}
module Data.WordCount where
import qualified Data.ByteString.Lazy as BS
data State = State
{ bs :: Int
, ws :: Int
, ls :: Int
, wasSpace :: Int
}
wc :: BS.ByteString -> (Int, Int, Int)
wc s = (bs, ws, ls)
where
State { .. } = BS.foldl' go (State 0 0 0 0) s
go State { .. } c = State (bs + 1) (ws + addWord) (ls + addLine) isSp
where
isSp | c == 32 || c - 9 <= 4 = 1
| otherwise = 0
addLine | c == 10 = 1
| otherwise = 0
addWord = (1 - wasSpace) * isSp
{-# INLINE wc #-}
, 1.45 , 14% wc
.
, — , , .
, , . , : wasSpace
, , :
wc s = (bs, ws + 1 - wasSpace, ls)
where
State { .. } = BS.foldl' go (State 0 0 0 1) s
...
, .
:
0.35 , ? - - ?
, , wc
. :
main :: IO ()
main = do
[path] <- getArgs
contents <- BS.readFile path
print $ wc contents
readFile
. mmap
. bytestring-mmap, ByteString
' mmap
- , main
main :: IO ()
main = do
[path] <- getArgs
contents <- unsafeMMapFile path
print $ wc contents
, unsafeMMapFile
ByteString
, wc
, . , unsafeMMapFile
, , mmap
- , .
— , 0.04-0.06 0.35 . , .
mmap
, : , , . , : , .
?
, , Unix-, . , , ST
.
, , : , wc
, , « » wc
, , . , .
حسنًا ، حتى لا نتعذب ، سنناقش خطط المستقبل: في المقالة التالية سنتعامل مع شيء أكثر إثارة للاهتمام ، حيث سيتألق هاسكل حقًا. بشكل أكثر تحديدًا ، نقوم بتعديل ما لدينا اليوم ، ونرى كيف نجعل لعبتنا haskell wc
أقل قليلاً ، ونقيم أيضًا كيف سيؤثر ذلك على الأداء.