Pharo 中 Integer>>#factorial
的实现是:
factorial
"Answer the factorial of the receiver."
self = 0 ifTrue: [^ 1].
self > 0 ifTrue: [^ self * (self - 1) factorial].
self error: 'Not valid for negative integers'
这是一个尾递归定义。但是,我可以在工作区中评估10000 factorial
而不会出错。
Pharo是否在任何情况下都执行尾部调用优化,是进行其他优化,还是只是使用非常深的堆栈?
这是一个非常深的堆栈。或者更确切地说,根本没有堆栈。
Pharo是Squeak的后代,Squeak直接从Smalltalk-80继承了它的执行语义。没有线性固定大小的堆栈,而是每个方法调用都会创建一个新的MethodContext
对象,该对象为每个递归调用中的参数和临时变量提供空间。它还指向发送上下文(供以后返回(创建上下文链表(就像调试器中的堆栈一样显示(。上下文对象在堆上分配,就像任何其他对象一样。这意味着调用链可能非常深,因为可以使用所有可用内存。您可以检查thisContext
以查看当前活动的方法上下文。
分配所有这些上下文对象是昂贵的。为了速度,现代虚拟机(例如Pharo中使用的Cog VM(实际上在内部使用堆栈,该堆栈由链接页面组成,因此它也可以任意大。上下文对象仅按需创建(例如在调试时(,并引用隐藏的堆栈帧,反之亦然。幕后的这个机制相当复杂,但幸运的是,Smalltalk程序员隐藏了它。
Pharo的执行模式并不神秘。递归片段
^ self * (self - 1) factorial
这发生在编译为以下字节码序列的第二个ifTrue:
中:
39 <70> self ; receiver of outer message *
40 <70> self ; receiver of inner message -
41 <76> pushConstant: 1 ; argument of self - 1
42 <B1> send: - ; subtract
43 <D0> send: factorial ; send factorial (nothing special here!)
44 <B8> send: * ; multiply
45 <7C> returnTop ; return
请注意,在第 43 行中没有发生任何异常情况。代码只是以与选择器相同的方式发送factorial
,如果选择器是任何其他选择器。特别是我们可以看到,这里没有对堆栈进行特殊操作。
这并不意味着基础本机代码中不能进行优化。但这是一个不同的讨论。执行模型对程序员来说很重要,因为字节码下的任何优化都是为了在概念级别支持这个模型。
更新
有趣的是,非递归版本
factorial2
| f |
f := 1.
2 to: self do: [:i | f := f * i].
^f
比递归的(Pharo(慢一点。原因一定是与增加i
相关的开销比递归发送机制大一点。
以下是我尝试过的表达式:
[25000 factorial] timeToRun
[25000 factorial2] timeToRun
我直言,假定具有尾部递归调用的初始代码factorial
factorial
"Answer the factorial of the receiver."
self = 0 ifTrue: [^ 1].
self > 0 ifTrue: [^ self * (self - 1) factorial].
self error: 'Not valid for negative integers'
其实不然。Leandro的回复报告的字节码证明:
39 <70> self ; receiver of outer message *
40 <70> self ; receiver of inner message -
41 <76> pushConstant: 1 ; argument of self - 1
42 <B1> send: - ; subtract
43 <D0> send: factorial ; send factorial (nothing special here!)
44 <B8> send: * ; multiply
45 <7C> returnTop ; return
在returnTop
之前,发送*
而不是factorial
.我会使用累加器写一条消息作为
factorial: acc
^ self = 0
ifTrue: [ acc ]
ifFalse: [ self - 1 factorial: acc * self ]
这将生成此图中报告的字节码。
顺便说一句,
n := 10000.
[n slowFactorial] timeToRun .
[n factorial] timeToRun.
[n factorial: 1] timeToRun.
第一个和第二个都需要 29 毫秒,最后一个在新鲜的 Pharo 9 图像上需要 595 毫秒。为什么这么慢?
不,Pharo 及其 VM 不会优化递归尾调用。
从对Pharo 9图像的运行测试中可以明显看出,这篇关于该主题的硕士论文证实了这一点。
截至今天,Pharo 提供了两种阶乘方法,一种(整数>>阶乘(使用 2 分区算法并且是最有效的,另一种如下所示:
Integer >> slowFactorial [
self > 0
ifTrue: [ ^ self * (self - 1) factorial ].
self = 0
ifTrue: [ ^ 1 ].
self error: 'Not valid for negative integers'
]
它有一个外部递归结构,但实际上仍然调用非递归阶乘方法。这可能解释了为什么马西莫·诺森蒂尼(Massimo Nocentini(在计时时会得到几乎相同的结果。
如果我们尝试这个修改版本:
Integer >> recursiveFactorial [
self > 0
ifTrue: [ ^ self * (self - 1) recursiveFactorial ].
self = 0
ifTrue: [ ^ 1 ].
self error: 'Not valid for negative integers'
]
我们现在有一个真正的递归方法,但是,正如Massimo指出的那样,它仍然不是尾递归。
这是尾递归:
tailRecursiveFactorial: acc
^ self = 0
ifTrue: [ acc ]
ifFalse: [ self - 1 tailRecursiveFactorial: acc * self ]
如果没有尾部调用优化,即使与递归阶乘相比,此版本也显示出迄今为止最差的性能。我认为这是因为它给堆栈带来了所有冗余的中间结果。