在mzscheme中的I/O性能

Question

作为一名Linux管理员，我通常用Bash、TCL，较少使用Perl编写脚本。出于好奇，我试着用mzscheme写了一些东西，但发现它的性能要差得多。我将脚本简化为仅读取一个500MB的日志文件：

#lang scheme
(require rnrs/programs-6)
(call-with-input-file (vector-ref (current-command-line-arguments) 0)
    (lambda (in)
            (let loop ((line (read-line in)))
                    (unless (eof-object? line)
                            (loop (read-line in))))))

这个简单的过程大约需要40秒。适用于Guile的相同脚本可以在10秒内执行。TCL版本运行时间为5秒。Chicken Scheme仅需3.8秒，比MZScheme少了十倍：

#!/usr/bin/csi -script
(call-with-input-file (list-ref (command-line-arguments) 0)
    (lambda (in)
            (let loop ((line (read-line in)))
                    (if (not (eof-object? line))
                            (loop (read-line in))))))

我做错了什么？有没有关于如何更快地编写 MZScheme 程序的建议？

一些额外的测试：

minaev@minaev:~/1$ time ./t.tcl blog.log

real    0m8.907s
user    0m8.417s
sys     0m0.468s
Mon Oct 31 13:15:19 MSK 2011
minaev@minaev:~/1$ time ./t.scm blog.log # Chicken 4.2.0

real    0m7.678s
user    0m6.896s
sys     0m0.580s
Mon Oct 31 13:15:29 MSK 2011
minaev@minaev:~/1$ time /usr/bin/mzscheme t.ss blog.log # mzscheme 4.2.1

real    0m44.047s
user    0m41.803s
sys     0m0.948s
Mon Oct 31 13:17:03 MSK 2011
minaev@minaev:~/1$ time racket t.ss blog.log  # racket 5.1.3

real    0m25.287s
user    0m23.189s
sys     0m0.828s
Mon Oct 31 13:17:39 MSK 2011
minaev@minaev:~/1$ raco make t.ss
Mon Oct 31 13:17:47 MSK 2011
minaev@minaev:~/1$ time racket t.ss blog.log  # racket 5.1.3 byte-compiled

real    0m23.237s
user    0m22.469s
sys     0m0.688s

- minaev

---

出于好奇，你用来比较的确切Tcl脚本是什么？我问这个问题是因为我是一名Tcl黑客... - Donal Fellows

我担心代码会在评论中被破坏，但它非常琐碎，不应该是问题 :) proc parse {log} { set f [open $log] while {[gets $f line] >= 0} { } } parse [lindex $argv 0] - minaev

我正在努力更好地理解这个问题，但我不熟悉TCL。我查阅了TCL手册中的“gets”函数，以便查看字符串是UTF8字符串还是普通字节字符串。但它没有说明——你是否知道在你的示例中TCL是否使用utf8字符串？ - soegaard

@soegaard：它会执行，因为我可以看到他没有关闭它。（除了愚蠢的基准测试之外，这几乎是正确的做法……） - Donal Fellows

@soegaard：是的，系统语言环境为UTF-8，因此输入通道已配置为读取UTF-8。 - minaev

Answer 1

这个问题在 Racket 的开发版本中已经得到了大幅改善。请参见提交记录（此处）以及 Racket 维护者 Matthew Flatt 的信息（此处）。现在它只比 Chicken 慢了约50％，其余的减速主要是由于 Racket 提供的其他功能，例如事件、行计数、Unicode 编码等。

- Sam Tobin-Hochstadt

---

所以，我一问起这个多年的错误就被修复了？我感到很幸运 :) 非常感谢，这让我松了一口气。50%似乎是一个可以接受的价格。 - minaev

Answer 2

我尝试重复您的结果，对于Chicken 4.5.0，我得到了大约3.4秒的时间，而对于各种版本的mzscheme/racket，则得到了大约10秒的时间。（我尝试了PLT Scheme 4.2中的mzscheme和Racket 5.1.1以及开发树中的racket，所有编译都在64位模式下进行。）

您使用的是哪个版本的mzscheme？使用的是哪个平台？

您的计时是否可重复？（我想知道块缓存效应。）

- Ryan Culpepper

---

我的硬件/软件与您的非常相似。mzscheme是从Ubuntu 10.04存储库安装的，它是v4.2.1 [3m]，“x86-64，版本1（SYSV），动态链接（使用共享库），适用于GNU/Linux 2.6.15”。 - minaev

啊哈...我认为输入处理肯定会有一些开销，但是我还是保持原样，因为我希望在各种实现中语义保持一致：Chicken、Racket或TCL。此外，我想处理文本文件，而不仅仅是读取它。有时我可能想对包含西里尔字符的字符串进行操作。 顺便说一句，使用read-bytes-line的变体并没有更快 :) - minaev

@minaev：你能否在你的mzscheme/racket版本中用time包装最后一个表达式并报告它打印了什么？我对CPU和GC时间很感兴趣。 - Ryan Culpepper

@minaev：顺便说一下，在我的机器上使用动态链接版本的Racket导致性能下降了20%（从大约10秒到大约12秒）。 - Ryan Culpepper

@RyanCulpepper：最后一个表达式是 call-with-input-file 吗？这里是它：CPU 时间：24589 实际时间：25398 垃圾回收时间：372。 - minaev