Scala中的并行递归记忆答案

【问题标题】：Parallel recursive memoization in ScalaScala中的并行递归记忆
【发布时间】：2013-01-07 21:15:14
【问题描述】：

我在 Scala 中有一个记忆的分而治之算法：

val cache = mutable.Map[Int, BigInt]()
cache(1) = BigInt(0)

def dp(n: Int): BigInt = cache.getOrElseUpdate(n, {
  partitions(n).map(i => dp(i)).min
  // partitions is non-recursive function that given an Int returns a list[Int]
})

然而，我想通过将partitions(n) 更改为partitions(n).par 来将此代码转换为使用并行化，而partitions(n).par 则返回一个并行列表。但是现在，我的cache 状态不佳，因为该映射不是并发的。当我用SynchronizedMap trait 实例化cache 时，我所有的fork 都会加入线程块，因为所有SynchronizedMap 所做的只是在getOrElseUpdate 方法调用周围放置一个巨大的synchronized 块。那么，使用记忆化并行执行递归分治算法的 Scala 习语是什么？

【问题讨论】：

标签： scala recursion concurrency dynamic-programming memoization

【解决方案1】：

我的经验法则：永远不要创建自己的缓存。如果您真的想走可变路线，您可能需要查看Guava 的CacheBuilder class。如果我没记错的话，它提供了适当的同步（和其他好处），但仍然非常轻量级。

编辑：

Scalaz 7 提供了一个Memo 类型，声称具有线程安全实现（immutableHashMapMemo、immutableListMapMemo、immutableTreeMapMemo）。乍一看，它看起来像你需要的，但我自己没有使用它，我有点怀疑：我认为用于存储相应地图的 var 应该标记为 @volatile 以避免可见性问题。

【讨论】：

CacheBuilder 是我使用 Java 编码时会使用的第一件事。作为一个 Scala 迷，是否有任何 scala 友好的库或习语来解决这个问题？如果没有，我会尽快接受您的答复。谢谢！
我只知道 Scalaz 中的 Memo 类型。我相应地编辑了我的答案。

【解决方案2】：

找到解决方案：val cache = concurrent.TrieMap[Int, BigInt] - concurrency != 同步

【讨论】：