手指树（Data.Sequence）与绳索（Data.Rope）（Haskell，或一般）

Question

Finger Tree (Data.Sequence)和绳索（Data.Rope）（Edward Kmett's version或Pierre-Etienne Meunier's version之间的主要区别是什么？

在Haskell库中，Data.Sequence具有更多功能。我认为绳索可以更有效地处理“阻塞”。

作为程序员考虑效率处理，比如一个700万字符的序列，我需要做的事情（a）插入任何地方，（b）剪切和粘贴段（拼接），（c）搜索和替换子字符串哪个更有效率？

对ehird的回应澄清：

1. 我的算法的大部分都运行了数千个搜索替换操作，如s/(ome)?reg[3]x/blah$1/g，以反复改变数据。所以我需要有效的正则表达式模式匹配（可能是regex-tdfa？）以及拼接（data [a：b] = newData），其中不是必然{ {1}}

2. Lazy ByteStrings可能没问题，但是拼接呢？拼接ByteString是O（dataSize / chunkSize）线性时间（用于搜索），加上（可能是？）开销用于维护恒定大小的块。 （后一部分可能是错的）; vsT（Log（dataSize））用于FingerTree。

3. 我的“容器”数据类型抽象地是有限字母。它可以具体表示(length(newData) == b-a+1) s或Char s或Byte s甚至是假设的Word8 s（半字节）。 **我有一个关于如何有效使用Word4或newtype的相关问题，以便我的代码可以引用抽象字母表，但编译后的程序仍然可以高效。 （我应该单独发布这个问题。）

4. 性能问题：也许Seq远比ByteString差（通过q显着的常数因子）。在简单的测试中，将7MB读入严格的data，然后将其打印到60MB真实内存使用的控制台峰值（根据Windows Process Manager），但将该内容加载到ByteString然后打印使用400MB ！ （我应该单独发布这个问题，包括代码和分析详细信息。）

5. 平台问题：我正在使用EclipseFP和Haskell平台。我在我的机器上安装了Text，我想尝试一下，但我的Eclipse环境找不到它。每当我使用Seq Char（安装了不兼容的软件包版本，cabal install vs --user混淆）时，我就会遇到严重问题，所以我想坚持使用EclipseFP可以找到的平台软件包。我认为Text将进入下一版本的平台，所以这将很好。

6. Trifecta ：我简短地看到了Trifecta，这加剧了我的困惑。 （为什么它有自己的已经发布的一般数据结构的新实现？它们更好吗？太多几乎相同的选项！）

已编辑，其中包含更多详细信息和改进的链接。

这个问题很大。

@ ehird的总结是主要的回归点。绳索，或ByteStrings或矢量的手指树加上一个小的自定义幺半群。无论哪种方式，我都必须编写一个简单的正则表达式实现来粘合。

  

鉴于所有这些信息，我建议使用绳索或建筑物   你自己的结构与它所基于的fingertree包（相反   比Seq，所以你可以适当地实现像长度这样的东西   用叶子测量的类型 - 见幺半群和手指树   数据分块为未装箱的Vector。当然，后者更多   工作，但让你专门针对你的用例进行优化。无论哪种方式，   绝对将它包装在一个抽象的界面中。

我今天晚些时候会回来并分成新的问题。我将整理出低级技术问题，然后再回到整体比较中。 我将更改问题标题以更好地反映我真正关心的问题“哪些Haskell模块提供或支持我需要的序列操作操作？”谢谢你去ehird和其他响应者。

Answer 1

对于本答复的其余部分，我假设您实际上是在尝试存储原始字节，而不是字符。如果要存储字符，则应考虑使用text（对于Unicode文本等效ByteString）或基于它编写自己的基于fingertree的结构。您还可以将ByteString与Data.ByteString.UTF8包中的utf8-string模块一起使用;我认为最终可能会提高效率，但对于Unicode文本而言，它的功能要比Text更全面。

嗯，你链接的绳子包只存储了ByteString s的等价物，而Seq是通用的，可以处理任何类型的数据;前者可能更有效地存储字符串。

我怀疑它是相同的基本树结构，因为绳索实现＆＃34;字节串的指尖＆＃34;和Seq是2-3指树;它取决于（并因此可能使用）fingertree包，它与Data.Sequence基本相同，但更通用。绳索可能会将数据打包成短ByteString秒，这对Seq是不可能的（不会破坏length等操作。）

总而言之，如果您要存储字节串数据，绳索看起来就像是一个更好的结构，并且它似乎具有花哨的功能，用于注释＆＃34;字符串的一部分;但是，它最后一次更新是在7月份，同一位作者（8月首次发布）的新trifecta解析器组合库包含其own set of rope modules，因此在其上建立新代码可能是不明智的。当然，对三连胜的改变可能与一般用途无关，并且将这些改变作为新版本的绳索分开可能并不困难;也许他们没有成功的唯一原因是因为三连已经有很多依赖：）

但是，如果您在处理过程中的任何一点都需要通用容器类型（例如，将字节解析为更丰富的表示序列），或者想要坚持Haskell平台中的内容，那么您＆＃ 39;我需要使用Seq。

您确定ByteString或Text（因为您提到的字符）不适合您正在做的事情吗？它们存储偏移量和长度字段，因此获取子字符串不会导致任何复制。如果你的插入操作很少，那么它可能会成功。基于IntMap的某种结构也可能值得考虑。

---

回答您的最新问题：

1. 自定义字符串类型的正则表：请记住，将现有的正则表达式实现与＆＃34;不常见＆＃34;字符串类型，您必须implement the support yourself将其粘贴到现有的regex-tdfa代码中。我不确定最终的表现会是什么。
2. 拼接延迟ByteString s：请注意，默认情况下，懒惰ByteString使用64 KiB块，您可以使用{{{{{{ 1}}手动。但你是对的，手指树可能更适合;只是做了更多的工作，已经为你做了懒惰的fromChunks s。
3. 有限字母：好;我建议你抽象出（用ByteString）表示这个字母表序列的类型。这样，你可以尝试各种实现，同时希望本地化必须完成的工作，这样你就可以根据真实的性能数据而不是猜测来选择:)当然，编写一个新的仍然是一个前期成本实现。就您的其他问题而言，newtype在编译时被删除，因此newtype具有与其包装类型相同的运行时表示。简而言之：不要担心在newtype中包装内容。
4. Seq表现嗯，这并不奇怪。 newtype完全是懒惰和盒装，并且不会被＆＃34; chunking＆＃34; Seq Char就像Char一样{;}}它可能比Rope的内存效率更低。像String之类的东西可能会更好地执行 lot ，但除非你的块大小不变，否则你将无法获得有意义的长度等等而不会遍历整个事物。
5. EclipseFP包问题：我不会根据这样的简单工具问题选择使用哪种表示形式;我建议问一个新问题。
6. Trifecta：我不认为三连词与你的问题有关;它只是由绳索的同一作者写的，这就是它与绳索的持续发展有关的原因。它只是像Parsec这样的解析器组合库，它更侧重于诊断等而不是性能，所以我不认为它可以取代你的正则表达式。

至于＃3，而不是Seq ByteString，您可能需要考虑unboxed Vector;这样，您就可以使用抽象字母表类型，而不是将内容隐藏到ByteString基于ByteString的界面中。

鉴于所有这些信息，我建议使用Word8，或使用fingertree基于（{1}}的{​​{3}}软件包构建您自己的结构，以便您可以使用Rope类型类正确实现Seq之类的内容 - 请参阅Monoids and Finger Trees），并将叶数据分块为未装箱的length。当然，后者是更多的工作，但让你专门针对你的用例进行优化。无论哪种方式，绝对将它包装在一个抽象的界面中。

顺便说一句，正则表达式在Haskell生态系统中并不像它们那样得到良好支持;如果有任何选择，可能值得考虑使用其他东西。但是，它过分依赖于您的计划的具体细节来提供具体的建议。