为啥这个脚本会随着输入量的增加而减慢每个项目的速度？

Posted 2023-03-06

【中文标题】为啥这个脚本会随着输入量的增加而减慢每个项目的速度？

【英文标题】：Why is this script slowing down per item with increased amount of input?为什么这个脚本会随着输入量的增加而减慢每个项目的速度？

【发布时间】：2015-06-12 18:50:11

【问题描述】：

考虑以下程序：

#!/usr/bin/env pypy

import json
import cStringIO
import sys

def main():
    BUFSIZE = 10240
    f = sys.stdin
    decoder = json.JSONDecoder()
    io = cStringIO.StringIO()

    do_continue = True
    while True:
        read = f.read(BUFSIZE)
        if len(read) < BUFSIZE:
            do_continue = False
        io.write(read)
        try:
            data, offset = decoder.raw_decode(io.getvalue())
            print(data)
            rest = io.getvalue()[offset:]
            if rest.startswith('\n'):
                rest = rest[1:]
            decoder = json.JSONDecoder()
            io = cStringIO.StringIO()
            io.write(rest)
        except ValueError, e:
            #print(e)
            #print(repr(io.getvalue()))
            continue
        if not do_continue:
            break

if __name__ == '__main__':
    main()

这是一个测试用例：

$ yes '' | pv | pypy  parser-test.py >/dev/null

如您所见，当您向其添加更多输入时，以下脚本会变慢。 cPython 也会发生这种情况。我尝试使用 mprof 和 cProfile 来分析脚本，但我没有发现任何提示。有人知道吗？

【问题讨论】：

为什么不会输入越多就会越慢？

我试图让它迭代 - 获取一个对象，打印它并丢弃它。我不希望那里有内存泄漏。你能看到一个吗？

我不是在谈论内存泄漏！输入越长，处理的时间就越长，除非你的算法是O(1)。还是您的意思是随着输入长度的增加，每个项目需要更长的时间？

每个项目确实需要更长的时间。

也许你可以更清楚一点？例如，使用每单位大小的时间显示一系列输出大小的输出？

【参考方案1】：

显然字符串操作减慢了它的速度。而不是：

        data, offset = decoder.raw_decode(io.getvalue())
        print(data)
        rest = io.getvalue()[offset:]
        if rest.startswith('\n'):
            rest = rest[1:]

最好这样做：

        data, offset = decoder.raw_decode(io.read())
        print(data)
        rest = io.getvalue()[offset:]
        io.truncate()
        io.write(rest)
        if rest.startswith('\n'):
            io.seek(1)

【参考方案2】：

您可能希望在迭代结束时（写入后）关闭您的 StringIO。

io.close()

StringIO 的内存缓冲区在关闭后将释放，否则将保持打开状态。这可以解释为什么每个额外的输入都会减慢您的脚本速度。

【讨论】：

当然，或者立即发布 if-else 语句。每次迭代只要把它靠近某个地方就可以让缓冲区保持足够的空闲。