性能问题

Question

我正在使用时间序列type TSeries = [(Day, Double)]，但需要将第一个Day元素转换为Double以进行进一步处理（例如绘图等）。

将日期范围映射到相应的双范围[lobound，upbound]，其中最早的日期映射到lobound，最新的日期映射到upbound，是一个基本的转换。为了实现它，我首先需要获得日期范围的最小值和最大值。我遇到了性能问题，但我不确定为什么以及如何解决它。

这是代码（不假设时间序列是排序的）：

module Main where

import Data.Time (Day, fromGregorian, diffDays)

type TSeries = [(Day, Double)]

-- time-series to (Double, Double) mapping function
toDbl :: (Day -> Double) -> TSeries -> [(Double, Double)]
toDbl mapX ts = map (\(d,x) -> (mapX d, x)) ts

-- Day to Double mapping function - fast
mapDays1 :: (Day, Double) -> (Day, Double) -> Day -> Double
mapDays1 (d0,x0) (d1,x1) d = ((fromIntegral $ diffDays d d0) * x1 + (fromIntegral $ diffDays d1 d) * x0) / diff10
    where diff10 = fromIntegral $ diffDays d1 d0

-- Day to Double mapping function - slow
mapDays2 :: TSeries -> Double -> Double -> Day -> Double
mapDays2 ts x0 x1 d = mapDays1 (d0,x0) (d1,x1) d
    where d0 = minimum $ map fst ts
          d1 = maximum $ map fst ts

-- example time-series
func :: Int -> Double
func d = sin $ pi / 14 * (fromIntegral d)
ts = [(fromGregorian y m d, func d) | y <- [2000..2016], m <- [1..12], d <- [1..28]] :: TSeries

-- speed test
main = do
    let mindate = minimum $ map fst ts
        maxdate = maximum $ map fst ts
        test1 = toDbl (mapDays1 (mindate,0.0) (maxdate,100.0)) ts
        test2 = toDbl (mapDays2 ts 0.0 100.0) ts

    -- print $ sum $ map fst test1 -- this is fast
    print $ sum $ map fst test2 -- this is slow

我执行的测试（总结X轴，首先是元素）是不相关的，但它很简单，很好地说明了性能问题。

本质上mapDays1和mapDays2是相同的，除了为了获得正确的缩放，我需要在外部计算最小和最大日期并将它们传递给mapDays1，而这是在mapDays2中“内部”完成的。

问题是mapDays2与mapDays1版本相比非常慢。我怀疑最小和最大计算被多次调用（而不是一次），但我不明白为什么，我不知道如何修复mapDays2以获得类似于mapDays1的性能。

Answer 1

问题确实与记忆有关。问题是你调用mapDays1和mapDays2而不传递所有参数，所以这些调用只会创建thunk。

问题

这意味着只有map内的thunk才能完成，因此对mapDays2的不同来电无法分享d0 = minimum $ map fst ts和d1 = maximum $ map fst ts以及每次重新评估最大值和最小值。可以想象d0和d1取决于最后一个Day参数的情况，在这种情况下重新评估{{1} 是不正确的每次都有{}}和d0。

相比之下，应该非常清楚d1和mindate = minimum $ map fst ts只需计算一次。

修复maxdate = maximum $ map fst ts

虽然我们想假装mapDays2与f x y = e相同，但它并不在幕后。你希望GHC在传递除最后一个参数之外的所有内容时避免使用thunk。只需将f x = \y -> e移到等号上即可。然后，您返回的功能只会计算一次d和d0：

d1