5

我正在尝试解析一个相当小的（< 100MB）xml 文件：

(require '[clojure.data.xml :as xml]
         '[clojure.java.io :as io])

(xml/parse (io/reader "data/small-sample.xml"))

我收到一个错误：

OutOfMemoryError Java heap space
    clojure.lang.Numbers.byte_array (Numbers.java:1216)
    clojure.tools.nrepl.bencode/read-bytes (bencode.clj:101)
    clojure.tools.nrepl.bencode/read-netstring* (bencode.clj:153)
    clojure.tools.nrepl.bencode/read-token (bencode.clj:244)
    clojure.tools.nrepl.bencode/read-bencode (bencode.clj:254)
    clojure.tools.nrepl.bencode/token-seq/fn--3178 (bencode.clj:295)
    clojure.core/repeatedly/fn--4705 (core.clj:4642)
    clojure.lang.LazySeq.sval (LazySeq.java:42)
    clojure.lang.LazySeq.seq (LazySeq.java:60)
    clojure.lang.RT.seq (RT.java:484)
    clojure.core/seq (core.clj:133)
    clojure.core/take-while/fn--4236 (core.clj:2564)

这是我的project.clj：

(defproject dats "0.1.0-SNAPSHOT"
  ...
  :dependencies [[org.clojure/clojure "1.5.1"]
                [org.clojure/data.xml "0.0.7"]
                [criterium "0.4.1"]]
  :jvm-opts ["-Xmx1g"])

我尝试在我的 .bash_profile 中设置 LEIN_JVM_OPTS 和 JVM_OPTS 但没有成功。

当我尝试以下 project.clj 时：

(defproject barber "0.1.0-SNAPSHOT"
  ...
  :dependencies [[org.clojure/clojure "1.5.1"]
                [org.clojure/data.xml "0.0.7"]
                [criterium "0.4.1"]]
  :jvm-opts ["-Xms128m"])

我收到以下错误：

Error occurred during initialization of VM
Incompatible minimum and maximum heap sizes specified
Exception in thread "Thread-5" clojure.lang.ExceptionInfo: Subprocess failed {:exit-code 1}

知道如何增加我的 leiningen repl 的堆大小吗？

谢谢。

4

2 回答 2

4

作为 Read-Eval-Print-Loop 的打印步骤的结果，在 repl 的顶层评估的任何形式都将完全实现。它也存储在堆中，以便您以后可以通过 *1 访问它。

如果您按如下方式存储返回值：

(def parsed (xml/parse (io/reader "data/small-sample.xml")))

这会立即返回，即使是数百兆字节的文件（我已经在本地验证了这一点）。然后，您可以通过遍历返回的 clojure.data.xml.Element 树来遍历结果，该结果在从输入流中解析时完全实现。

如果您不保留元素（通过绑定它们以便它们仍然可以访问），则可以迭代整个结构，而无需使用比保留 xml 树的单个节点所需的更多内存。

user> (time (def n (xml/parse (clojure.java.io/reader "/home/justin/clojure/ok/data.xml"))))
"Elapsed time: 0.739795 msecs"
#'user/n
user> (time (keys n))
"Elapsed time: 0.025683 msecs"
(:tag :attrs :content)
user> (time (-> n :tag))
"Elapsed time: 0.031224 msecs"
:catalog
user> (time (-> n :attrs))
"Elapsed time: 0.136522 msecs"
{}
user> (time (-> n :content first))
"Elapsed time: 0.095145 msecs"
#clojure.data.xml.Element{:tag :book, :attrs {:id "bk101"}, :content (#clojure.data.xml.Element{:tag :author, :attrs {}, :content ("Gambardella, Matthew")} #clojure.data.xml.Element{:tag :title, :attrs {}, :content ("XML Developer's Guide")} #clojure.data.xml.Element{:tag :genre, :attrs {}, :content ("Computer")} #clojure.data.xml.Element{:tag :price, :attrs {}, :content ("44.95")} #clojure.data.xml.Element{:tag :publish_date, :attrs {}, :content ("2000-10-01")} #clojure.data.xml.Element{:tag :description, :attrs {}, :content ("An in-depth look at creating applications \n      with XML.")})}
user> (time (-> n :content count))
"Elapsed time: 48178.512106 msecs"
459000
user> (time (-> n :content count))
"Elapsed time: 86.931114 msecs"
459000
;; redefining n so that we can test the performance without the pre-parsing done when we counted
user> (time (def n (xml/parse (clojure.java.io/reader "/home/justin/clojure/ok/data.xml"))))
"Elapsed time: 0.702885 msecs"
#'user/n
user> (time (doseq [el (take 100 (drop 100 (-> n :content)))] (println (:tag el))))
:book
:book
.... ;; output truncated
"Elapsed time: 26.019374 msecs"
nil
user>

请注意，只有当我第一次询问 n 的内容计数（从而强制解析整个文件）时，才会出现巨大的时间延迟。如果我对结构的各个部分进行剂量，这会很快发生。

于 2013-08-08T16:25:29.303 回答
2

我不太了解 lein 但在 mvn 中您可以执行以下操作：

mvn  -Dclojure.vmargs="-d64 -Xmx2G" clojure:nrepl

（我认为这并不重要，但我总是看到它带有国会大厦 G 是否区分大小写？）

将 100MB 的数据拉入内存应该没问题。我经常通过我的项目路由价值 GB 的数据。

我也总是将 64 位版本的服务器用于大堆，这似乎就是他们在这里所做的：

使用 Leiningen 的 JVM 选项

我认为更大的问题是，正如您所写的那样，这可能会在编译时进行评估。您需要将该调用包装在一个函数中，并推迟它的执行。我认为编译器正在尝试读取该文件，这可能不是您想要的。我知道使用 mvn 可以为编译和运行获得不同的内存设置，而且你可能也会得到它。

于 2013-12-06T00:28:13.890 回答