Question

我试图用：

解析一个相当小的（<100MB）xml文件

(require '[clojure.data.xml :as xml]
         '[clojure.java.io :as io])

(xml/parse (io/reader "data/small-sample.xml"))

我收到了一个错误：

OutOfMemoryError Java heap space
    clojure.lang.Numbers.byte_array (Numbers.java:1216)
    clojure.tools.nrepl.bencode/read-bytes (bencode.clj:101)
    clojure.tools.nrepl.bencode/read-netstring* (bencode.clj:153)
    clojure.tools.nrepl.bencode/read-token (bencode.clj:244)
    clojure.tools.nrepl.bencode/read-bencode (bencode.clj:254)
    clojure.tools.nrepl.bencode/token-seq/fn--3178 (bencode.clj:295)
    clojure.core/repeatedly/fn--4705 (core.clj:4642)
    clojure.lang.LazySeq.sval (LazySeq.java:42)
    clojure.lang.LazySeq.seq (LazySeq.java:60)
    clojure.lang.RT.seq (RT.java:484)
    clojure.core/seq (core.clj:133)
    clojure.core/take-while/fn--4236 (core.clj:2564)

这是我的project.clj：

(defproject dats "0.1.0-SNAPSHOT"
  ...
  :dependencies [[org.clojure/clojure "1.5.1"]
                [org.clojure/data.xml "0.0.7"]
                [criterium "0.4.1"]]
  :jvm-opts ["-Xmx1g"])

我尝试在.bash_profile中设置LEIN_JVM_OPTS和JVM_OPTS但没有成功。

当我尝试以下project.clj：

时

(defproject barber "0.1.0-SNAPSHOT"
  ...
  :dependencies [[org.clojure/clojure "1.5.1"]
                [org.clojure/data.xml "0.0.7"]
                [criterium "0.4.1"]]
  :jvm-opts ["-Xms128m"])

我收到以下错误：

Error occurred during initialization of VM
Incompatible minimum and maximum heap sizes specified
Exception in thread "Thread-5" clojure.lang.ExceptionInfo: Subprocess failed {:exit-code 1}

知道如何增加leiningen repl的堆大小吗？

感谢。

Answer 1

由于Read-Eval-Print-Loop的打印步骤，在repl的顶层评估的任何形式都是完全实现的。它也存储在堆中，以便您以后可以通过* 1访问它。

如果您按如下方式存储返回值：

(def parsed (xml/parse (io/reader "data/small-sample.xml")))

这会立即返回，即使是一个数百兆字节的文件（我已经在本地验证了这一点）。然后，您可以遍历结果，该结果通过迭代返回的clojure.data.xml.Element树完全实现，因为它是从输入流中解析的。

如果你没有坚持元素（通过绑定它们使它们仍然可访问），你可以迭代整个结构而不使用更多的ram来保存xml树的单个节点。

user> (time (def n (xml/parse (clojure.java.io/reader "/home/justin/clojure/ok/data.xml"))))
"Elapsed time: 0.739795 msecs"
#'user/n
user> (time (keys n))
"Elapsed time: 0.025683 msecs"
(:tag :attrs :content)
user> (time (-> n :tag))
"Elapsed time: 0.031224 msecs"
:catalog
user> (time (-> n :attrs))
"Elapsed time: 0.136522 msecs"
{}
user> (time (-> n :content first))
"Elapsed time: 0.095145 msecs"
#clojure.data.xml.Element{:tag :book, :attrs {:id "bk101"}, :content (#clojure.data.xml.Element{:tag :author, :attrs {}, :content ("Gambardella, Matthew")} #clojure.data.xml.Element{:tag :title, :attrs {}, :content ("XML Developer's Guide")} #clojure.data.xml.Element{:tag :genre, :attrs {}, :content ("Computer")} #clojure.data.xml.Element{:tag :price, :attrs {}, :content ("44.95")} #clojure.data.xml.Element{:tag :publish_date, :attrs {}, :content ("2000-10-01")} #clojure.data.xml.Element{:tag :description, :attrs {}, :content ("An in-depth look at creating applications \n      with XML.")})}
user> (time (-> n :content count))
"Elapsed time: 48178.512106 msecs"
459000
user> (time (-> n :content count))
"Elapsed time: 86.931114 msecs"
459000
;; redefining n so that we can test the performance without the pre-parsing done when we counted
user> (time (def n (xml/parse (clojure.java.io/reader "/home/justin/clojure/ok/data.xml"))))
"Elapsed time: 0.702885 msecs"
#'user/n
user> (time (doseq [el (take 100 (drop 100 (-> n :content)))] (println (:tag el))))
:book
:book
.... ;; output truncated
"Elapsed time: 26.019374 msecs"
nil
user>

请注意，只有当我第一次询问n的内容计数（从而强制解析整个文件）时才会发生巨大的时间延迟。如果我对结构的各个部分进行了测量，则会很快发生这种情况。

Answer 2

我不太了解莱因，但在mvn你可以做到以下几点：

mvn  -Dclojure.vmargs="-d64 -Xmx2G" clojure:nrepl

（我认为这不重要，但我总是看到它与国会大厦G区分大小写？）

将100MB数据拉入内存应该没问题。我经常通过我的项目路由GB值的数据。

我总是使用64位版本的服务器来处理大堆，这似乎就是他们在这里所做的：

JVM options using Leiningen

我认为更大的问题是，当你编写它时，可能会在编译时对其进行评估。您需要将该调用包装在函数中，并将其推迟执行。我认为编译器正在尝试读取该文件，这可能不是您想要的。我知道使用mvn你可以为编译与运行获得不同的内存设置，你可能也会得到它。

Clojure Leining REPL OutOfMemoryError Java堆空间

2 个答案: