在Haskell的并行和并发编程中,Simon Marlow根据以下数据提供了Stream a
,以及一些生产者和消费者:
data IList a
= Nil
| Cons a (IVar (IList a))
type Stream a = IVar (IList a)
streamFromList :: NFData a => [a] -> Par (Stream a)
streamFromList xs = do
var <- new
fork $ loop xs var
return var
where
loop [] var = put var Nil
loop (x:xs) var = do
tail <- new
put var (Cons x tail)
loop xs tail
Later,他提到了这种方法的缺点并提出了一个解决方案:
在我们之前的示例中,消费者比生产者更快。相反,如果生产者比消费者更快,那么就没有什么可以阻止生产者在消费者面前走很长的路并在内存中建立一个长的IList链。这是不可取的,因为大型堆数据结构由于垃圾收集而产生开销,因此我们可能希望对生产者进行速率限制以避免它过早地进行。有一个技巧可以为流API添加一些自动速率限制。它需要在
IList
类型中添加另一个构造函数:data IList a = Nil | Cons a (IVar (IList a)) | Fork (Par ()) (IList a)
然而,他并没有完成这种方法:
我将把这个想法的其余部分作为练习让你自己尝试。看看您是否可以修改
streamFromList
,streamFold
和streamMap
以合并Fork
构造函数。块大小和fork距离应该是生成器的参数(streamFromList
和streamMap
)。
同样的问题has been asked on the mailing list,但没人给出答案。
那怎么能限制生产者的比率呢?
答案 0 :(得分:6)
重要的部分在于loop
功能:
loop [] var = put var Nil
loop (x:xs) var = do
tail <- new
put var (Cons x tail)
loop xs tail
我们需要将fork距离f
和块大小c
添加为参数:
loop _ _ [] var = put var Nil
loop 0 c (x:xs) var = -- see below
loop f c (x:xs) var = do
tail <- new
put var (Cons x tail)
loop (f-1) c xs tail
每次迭代都会减少叉距。当前叉距离为零时我们需要做什么?我们提供Fork op t
,其中op
继续生成列表:
loop 0 c (x:xs) var = do
tail <- new
let op = loop c xs tail
put var (Fork op (Cons x tail))
请注意,如果列表为空,我们不会使用Fork
。这是可能的,但有点傻,毕竟,没有任何东西可以留下来。现在更改streamFromList
很简单:
streamFromList :: NFData a => Int -> Int -> [a] -> Par (Stream a)
streamFromList f c xs = do
var <- new
fork $ loop f c xs var
return var
现在,为了使用它,我们需要更改case
中的streamFold
:
streamFold :: (a -> b -> a) -> a -> Stream b -> Par a
streamFold fn acc instrm = acc `seq` do
ilst <- get instrm
case ilst of
Cons h t -> streamFold fn (fn acc h) t
Fork p (Cons h t) -> -- see below
_ -> return acc
请注意,我们Fork
中的streamFromList
中不允许使用空列表,但以防万一我们通过通配符匹配它(和Nil
)。
如果遇到数据Fork
,我们需要做什么?首先,我们需要使用fork
来运行Par ()
操作以传播t
,然后我们就可以开始使用它了。所以我们的最后一个案例是
Fork p (Cons h t) -> fork p >> streamFold fn (fn acc h) t
streamMap
是类似的。只有在这种情况下,您才能再次在循环中使用其他参数,例如streamFromList
。
答案 1 :(得分:0)
我认为以下是有效的实现方式。
{-# LANGUAGE BangPatterns #-}
import Control.Monad.Par (IVar, Par, fork, get, new, put, put_, runPar)
import Control.DeepSeq (NFData, rnf)
data IList a
= Nil
| Cons a (IVar (IList a))
| Fork (Par ()) (IVar (IList a))
instance NFData a => NFData (IList a) where
rnf Nil = ()
rnf (Cons a b) = rnf a `seq` rnf b
rnf (Fork a b) = rnf (runPar a) `seq` rnf b
type Stream a = IVar (IList a)
main :: IO ()
main = print $ sum (pipeline [1 .. 10000])
pipeline :: [Int] -> [Int]
pipeline list = runPar $ do
strm <- streamFromList list 100 200
xs <- streamFold (\x y -> (y : x)) [] strm
return (reverse xs)
streamFromList :: NFData a => [a] -> Int -> Int -> Par (Stream a)
streamFromList xs k n = do
var <- new
fork $ loop xs var k
return var
where
loop [] var _ = put var Nil
loop xs var 0 = do
var' <- new
put_ var (Fork (loop xs var' n) var')
loop (x:xs) var i = do
tail <- new
put var (Cons x tail)
loop xs tail (i - 1)
streamFold :: (a -> b -> a) -> a -> Stream b -> Par a
streamFold fn !acc strm = do
ilst <- get strm
case ilst of
Nil -> return acc
Cons h t -> streamFold fn (fn acc h) t
Fork p s -> fork p >> streamFold fn acc s
在这里,streamFromList
(生产者)的值流中,而streamFold
并行地使用它们。在第一个k
值之后,streamFromList
将Fork
放入流中。 Fork
包含产生下一个n
值的计算,以及可以从中使用这些值的流。
在这一点上,如果消费者落后于生产者,则有机会追赶。到达Fork
时,fork
是所包含的生产者。生产者和使用者都可以再次并行进行,直到生产者在另一个n
值之后,向流中添加另一个Fork
并重复该循环。