Haskell数据类型的内存占用

Question

在Haskell中（主要是使用GHC），我如何找到存储某种数据类型的实际内存量？是否可以在运行时（例如在GHCi中）计算它，或者可以从组件估计复合数据类型的内存需求？

通常情况下，如果已知类型a和b的内存需求，那么代数数据类型的内存开销是多少，例如：

data Uno = Uno a
data Due = Due a b

例如，这些值在内存中占用多少字节？

1 :: Int8
1 :: Integer
2^100 :: Integer
\x -> x + 1
(1 :: Int8, 2 :: Int8)
[1] :: [Int8]
Just (1 :: Int8)
Nothing

我知道实际内存分配会更高，因为垃圾回收是延迟的。由于惰性求值，实际内存分配可能会有显著不同（而thunk的大小与值的大小无关）。问题是，对于一个数据类型，在完全求值时其值需要多少内存？

我发现在GHCi中有一个:set +s选项来查看内存统计信息，但不清楚如何估算单个值的内存占用。

- sastanin

Answer 1

(以下内容适用于GHC，其他编译器可能使用不同的存储约定)

经验法则: 构造函数的头部占用一个字(Word)，每个字段也占用一个字。例外情况: 没有字段的构造函数（例如Nothing或True）不占空间，因为GHC会创建这些构造函数的单个实例并在所有用途之间共享。

在32位计算机上，一个字是4个字节，在64位计算机上，一个字是8个字节。

例如：

data Uno = Uno a
data Due = Due a b

一个 Uno 需要2个单词，而一个 Due 需要3个单词。

Int 类型的定义如下：

data Int = I# Int#

现在，Int＃占用一个字，因此Int总共占用2个字。大多数未装箱的类型只需要一个字，例外情况是Int64＃，Word64＃和Double＃（在32位机器上）需要占用2个字。 GHC实际上具有类型为Int和Char的小值缓存，因此在许多情况下它们根本不需要堆空间。 除非您使用Char > 255，否则String仅需要为列表单元格分配空间。 Int8与Int具有相同的表示方式。 Integer的定义如下：

data Integer
  = S# Int#                            -- small integers
  | J# Int# ByteArray#                 -- large integers

一个小的 Integer（S#）占用2个字，但是一个大的整数根据其值需要占用可变数量的空间。一个 ByteArray# 占用2个字（头信息 + 大小）和数组本身所需的空间。

请注意，使用 newtype 定义的构造函数是免费的。 newtype 只是一种编译时的概念，在运行时不占用任何空间或指令。

更多细节请见 GHC Commentary 中 Heap Objects 的布局。

- Simon Marlow

---

标题不是两个单词吗？一个用于标记，另一个用于在GC或评估期间使用的转发指针？那么这不会使您的总字数增加一个单词吗？ - Edward Kmett

@Edward: Thunks被间接引用（后来被GC移除）所覆盖，但这只有两个单词，并且每个堆对象至少保证为2个单词大小。如果没有打开任何分析或调试功能，则头文件确实只有一个单词。在GHC中是这样，其他实现可能会有所不同。 - nominolo

nominolo: 是的，但来自Closure.h：/* Thunk（转跳函数）具有填充字用于存储更新后的值。这是为了避免更新覆盖有效载荷，从而在进入和更新过程中避免需要锁定Thunk。注意：这不适用于THUNK_STATIC，它们没有有效载荷。注意：我们在所有情况下都保留此填充字，而不仅仅是在SMP（对称多处理）情况下，这样我们就不必为SMP重新编译所有库。*/在一个间接寻址中，有效载荷不会被覆盖。该间接寻址将被写入Header的另一个位置。 - Edward Kmett

是的，但请注意这仅适用于“thunks”。它不适用于构造函数。估计一个thunk的大小有点困难——你需要计算自由变量的数量。 - nominolo

你真的会为单构造函数数据类型获得标题开销吗？这不能被优化掉吗？ - Lii

Answer 2

ghc-datasize包提供了recursiveSize函数来计算GHC对象的大小。但是...

在计算大小之前，会执行垃圾回收，因为垃圾收集器会使堆行走变得困难。

...所以经常调用这个函数并不实际！

还可以参见如何查找GHC数据类型的内存表示？和如何确定Haskell中类型的大小？。

- mhwombat