Question

注意：尽管我将使用Akka教程代码作为测试用例，但我的问题是关于Scala不变性性能，以及如何调整JVM

我正在接近Akka，我正在尝试其教程代码Akka getting started;我将源代码从教程粘贴到我自己的项目并运行它，获得此输出：

Calculation time:       660 milliseconds

在此之后，我尝试了一些关于代码的工作，重写了这个函数

def calculatePiFor(start: Int, nrOfElements: Int): Double = {
  var acc = 0.0
  for (i <- start until (start + nrOfElements))
    acc += 4.0 * (1 - (i % 2) * 2) / (2 * i + 1)
  acc
}

不使用 var 累加器，如此

def calculatePiFor(start: Int, nrOfElements: Int): Double = {
  val range = start until (start + nrOfElements)
  val computation = range.map(i => 4.0 * (1 - (i % 2) * 2) / (2 * i + 1))
  computation.sum
}

好吧，它有效，但表现有点退化

Calculation time:       1737 milliseconds

这里有我的问题：我的功能有什么重大错误或毫无疑问会导致这些表现吗？如果没有，有人能指出一个好的规则来调整JVM以改善这些性能吗？

我在Scala 2.9上运行我的代码，使用sbt 0.12.0及其默认的java选项（捆绑在sbt.bat中）：

_JAVA_OPTS=-Xmx512M -XX:MaxPermSize=256m -XX:ReservedCodeCacheSize=128m

提前致谢

Answer 1

通过使用foldLeft来获得更好的表现，val computation = range.foldLeft(0.0){ case (sum,i) => sum + 4.0 * (1 - (i % 2) * 2) / (2 * i + 1)) }会在一次通过中计算总和作为您所示的必要示例：

{{1}}

但是，它可能仍然比它的命令对手慢。如果确实是您的应用程序的瓶颈，您应该使用最快的版本（带有while循环的命令式版本）。它对Actors是安全的，因为可变状态将是完全孤立的。

在所有其他情况下，最好使用凌乱的代码丢失几个百分比的性能（在整个应用程序中测量）。

Answer 2

我认为你的程序中的问题是range.map(..)方法的调用，它是 strict （非懒惰）。这意味着 - 如果您的范围有1000个元素，map方法将为1000个新元素分配内存并立即计算它们。

所以我想改进代码的另一种非常简单的方法是使用范围视图：range.view.map(..)，这样就可以懒惰地计算映射元素并分配恒定的内存量。

Answer 3

您可以尝试使用foldLeft而不是map / sum：

  def calculatePiFor(start: Int, nrOfElements: Int): Double = {
    val range = start until (start + nrOfElements)
    range.foldLeft(0.0) { (acc,i) => acc + 4.0 * (1 - (i % 2) * 2) / (2 * i + 1)}
  }

我猜这会避免需要中间集合，因此可能会运行得更快。

斯卡拉 - 不变性表演

3 个答案: