如何加快以下scalaz-stream
代码?目前,处理70MB的文本大约需要5分钟,所以我可能做错了什么,因为普通的Scala等效物需要几秒钟。
(跟进另一个问题)
val converter2: Task[Unit] = {
val docSep = "~~~"
io.linesR("myInput.txt")
.flatMap(line => { val words = line.split(" ");
if (words.length==0 || words(0)!=docSep) Process(line)
else Process(docSep, words.tail.mkString(" ")) })
.split(_ == docSep)
.filter(_ != Vector())
.map(lines => lines.head + ": " + lines.tail.mkString(" "))
.intersperse("n")
.pipe(text.utf8Encode)
.to(io.fileChunkW("correctButSlowOutput.txt"))
.run
}
我认为您可以将其中一种process1块方法用于块。如果您希望在线路的合并中进行很多并行处理,请确定有序输出是否重要,并使用合并或TEE的通道。这也将使它重复使用。因为您进行的处理很少,所以您可能会被开销淹没,因此您必须更加努力地使您的工作单位足够大,以免被淹没。
以下内容基于 @user1763729的块建议。虽然感觉很笨拙,而且就像原始版本一样慢。
val converter: Task[Unit] = {
val docSep = "~~~"
io.linesR("myInput.txt")
.intersperse("n") // handle empty documents (chunkBy has to switch from true to false)
.zipWithPrevious // chunkBy cuts only *after* the predicate turns false
.chunkBy{
case (Some(prev), line) => { val words = line.split(" "); words.length == 0 || words(0) != docSep }
case (None, line) => true }
.map(_.map(_._1.getOrElse(""))) // get previous element
.map(_.filter(!Set("", "n").contains(_)))
.map(lines => lines.head.split(" ").tail.mkString(" ") + ": " + lines.tail.mkString(" "))
.intersperse("n")
.pipe(text.utf8Encode)
.to(io.fileChunkW("stillSlowOutput.txt"))
.run
}
编辑:
实际上,执行以下操作(只是阅读文件,没有写作或处理)已经需要1.5分钟,所以我想没有太多希望加快这一点的希望。
val converter: Task[Unit] = {
io.linesR("myInput.txt")
.pipe(text.utf8Encode)
.run
}