Scala 编译器优化不变性

Question

scala 编译器是否通过删除对vals 的引用来优化内存使用，在一个块中只使用一次？

想象一个对象聚合了一些巨大的数据 - 达到克隆数据或其衍生数据的大小可能会划伤 JVM/机器的最大内存量。

一个最小的代码示例，但想象一个更长的数据转换链：

val huge: HugeObjectType
val derivative1 = huge.map(_.x)
val derivative2 = derivative1.groupBy(....)

将编译器例如在计算出derivative1 之后将huge 标记为符合垃圾收集条件？还是在退出包装块之前它会保持活动状态？

理论上，不变性很好，我个人觉得它很容易上瘾。但是要适合在当前操作系统上无法逐项进行流处理的大数据对象 - 我会声称它本质上是阻抗与合理的内存利用率不匹配的，因为 JVM 上的大数据应用程序是不是吗，除非编译器针对这种情况进行优化..

Answer 1

首先：只要 JVM GC 认为有必要，就会实际释放未使用的内存。所以 scalac 对此无能为力。

scalac可以做的唯一一件事就是将引用设置为 null ，不仅仅是在它们超出范围时，而是在它们不再使用时。

基本上

val huge: HugeObjectType
val derivative1 = huge.map(_.x)
huge = null // inserted by scalac
val derivative2 = derivative1.groupBy(....)
derivative1 = null // inserted by scalac

根据 scala-internals 上的this thread，目前它没有这样做，最新的热点 JVM 也没有提供补救措施。请参阅 scalac 黑客 Grzegorz Kossakowski 的帖子以及该线程的其余部分。

对于正在被 JVM JIT 编译器优化的方法，JIT 编译器会尽快将引用设为空。但是，对于只执行一次的 main 方法，JVM 永远不会尝试对其进行完全优化。

上面链接的主题包含对该主题和所有权衡的非常详细的讨论。

请注意，在典型的大数据计算框架（例如 apache spark）中，您使用的值并不是对数据的直接引用。所以在这些框架中，引用的生命周期通常不是问题。

对于上面给出的示例，所有中间值都只使用一次。因此，一个简单的解决方案是将所有中间结果定义为 defs。

def huge: HugeObjectType
def derivative1 = huge.map(_.x)
def derivative2 = derivative1.groupBy(....)
val result = derivative2.<some other transform>

一种不同但非常有效的方法是使用迭代器！像 map 和 filter 这样的链接函数在一个迭代器上逐项处理它们，导致没有中间集合被物化......这非常适合这个场景！这对groupBy 之类的函数没有帮助，但可能会显着减少前函数和类似函数的内存分配。以上内容归功于 Simon Schafer。

Answer 2

derivative1 一旦超出范围就会被垃圾回收（并且没有其他对它的引用）。为确保尽快发生这种情况，请执行以下操作：

val huge: HugeObjectType
val derivative2 = {
    val derivative1 = huge.map(_.x)
    derivative1.groupBy(....)
}

从代码可读性的角度来看，这也更好，因为很明显derivative1 存在的唯一原因是derivative2，并且在右括号之后不再使用它.