Kotlin 朱涛-8 实战 inline 函数式编程词频统计

08 | 实战：用Kotlin写一个英语词频统计程序

迭代过程：

1.0 版本：使用命令式风格的代码实现基础功能
2.0 版本：利用扩展函数、高阶函数优化代码，实现函数式风格的代码
3.0 版本：使用 inline 提升软件的性能，并分析高阶函数的实现原理

命令式风格

统计步骤：

文本清洗：将标点符号替换成空格
文本分割：以空格作为分隔符，对文本进行分割
词频统计：遍历 List，将单词与频率存储在 Map 中
词频排序：将高频词放在前面，低频词放在后面

data class WordFreq(val word: String, val frequency: Int) // 数据类

class TextProcessorV1 {
    fun processText(text: String): List<WordFreq> {
        val cleaned = clean(text)
        val words = cleaned.split(" ")
        val map = getWordCount(words)
        val list = sortByFrequency(map)
        return list
    }

    // 统计文件当中的单词词频
    fun processFile(file: File): List<WordFreq> {
        val text = file.readText(Charsets.UTF_8) // 从文件里读取文本
        return processText(text)
    }
}

文本清洗

fun clean(text: String): String {
    return text.replace(".", " ")
        .replace("!", " ")
        .replace(",", " ")
        .replace("?", " ")
        .replace("'", " ")
        .replace("*", " ")
        .replace("#", " ")
        .replace("@", " ")
        .trim()
}

使用正则表达式，将所有不是英文字母的字符都替换成空格：

fun clean(text: String) = text.replace("[^A-Za-z]".toRegex(), " ").trim()

词频统计

用一个 Map 来存储单词和它对应频率：

fun getWordCount(list: List<String>): Map<String, Int> {
    val map = hashMapOf<String, Int>()
    for (word in list) {
        if (word == "") continue
        val trimWord = word.trim()
        val count = map.getOrDefault(trimWord, 0)
        map[trimWord] = count + 1
    }
    return map
}

词频排序

将无序的数据结构换成有序的。

fun sortByFrequency(map: Map<String, Int>): MutableList<WordFreq> {
    val list = mutableListOf<WordFreq>()
    for (entry in map) {
        if (entry.key == "") continue
        val freq = WordFreq(entry.key, entry.value)
        list.add(freq)
    }
    list.sortByDescending { it.frequency } // 以词频降序排序
    return list
}

函数式风格

Kotlin 既有命令式的一面，也有函数式的一面，它们有着各自擅长的领域。

借助函数式编程的思想来优化代码：

fun processText(text: String): List<WordFreq> {
    return text
        .clean()
        .split(" ")
        .getWordCount()
        .sortByFrequency { WordFreq(it.key, it.value) }
}

转为扩展方法

fun clean(t: String) = t.replace("[^A-Za-z]".toRegex(), " ").trim() // 普通函数

fun String.clean() = replace("[^A-Za-z]".toRegex(), " ").trim()     // 扩展方法

真实项目中，String.clean() 使用顶层扩展并不合适，顶层扩展只适用于通用的逻辑，否则不清楚的人看着 idea 提示的扩展函数也是一脸懵逼。

private fun List<String>.getWordCount(): Map<String, Int> {
    val map = HashMap<String, Int>()
    for (element in this) { // 原本的参数 list 集合变成了 this
        if (element == "") continue
        val trim = element.trim()
        val count = map.getOrDefault(trim, 0)
        map[trim] = count + 1
    }
    return map
}

private fun Map<String, Int>.sortByFrequency(): MutableList<WordFreq> {
    val list = mutableListOf<WordFreq>()
    for (entry in this) { // 将参数变成 this
        val freq = WordFreq(entry.key, entry.value)
        list.add(freq)
    }

    list.sortByDescending { it.frequency }
    return list
}

对 sortByFrequency() 的逻辑进行拆分：

private fun <T> Map<String, Int>.mapToList(transform: (Map.Entry<String, Int>) -> T): MutableList<T> {
    val list = mutableListOf<T>()
    for (entry in this) {
        val freq = transform(entry) // 调用 transform，将 Map.Entry 类型的参数转换为 T
        list.add(freq)
    }
    return list
}

优化后的效果

fun processText(text: String): List<WordFreq> = text
    .clean()
    .split(" ")
    .getWordCount()
    .mapToList { WordFreq(it.key, it.value) }
    .sortedByDescending { it.frequency }

进一步优化

上面的 clean、getWordCount、mapToList 等方法，可以借助 Kotlin 标准库函数来实现：

fun processText(text: String): List<WordFreq> = text
    .replace("[^A-Za-z]".toRegex(), " ")
    .trim()
    .split(" ")
    .filter { it != "" }
    .groupBy { it }
    .map { WordFreq(it.key, it.value.size) }
    .sortedByDescending { it.frequency }

使用 inline 优化

这个版本，我们只需要为 mapToList 这个高阶函数增加一个 inline 关键字即可。

private inline fun <T> Map<String, Int>.mapToList(
    transform: (Map.Entry<String, Int>) -> T
): MutableList<T> {
    //...
}

高阶函数的实现原理

// HigherOrderExample.kt
fun foo(block: () -> Unit) {
    block()
}

fun main() {
    var i = 0
    foo { i++ }
}

反编译成 Java 后：

public final class HigherOrderExampleKt {
    public static final void foo(Function0 block) { // 参数是一个接口
        block.invoke();
    }

    public static final void main() {
        int i = 0;
        foo((Function0) (new Function0() { // 参数是一个实现 Function0 接口的【匿名内部类】
            public final void invoke() {   // 接口中定义的方法，这个方法【没有参数】
                i++;
            }
        }));
    }
}

可以看到，Kotlin 高阶函数当中的函数类型参数，变成了 Function0，而 main() 函数当中的高阶函数调用，也变成了匿名内部类的调用方式。

那么，Function0 又是个什么东西？

public interface Function0<out R> : Function<R> {
    public operator fun invoke(): R
}

Function0 是 Kotlin 标准库当中定义的接口，它代表没有参数的函数类型。Kotlin 一共定义了 23 个类似的接口，从 Function0 一直到 Function22，分别代表了无参数的函数类型到22 个参数的函数类型。

inline 的实现原理

使用 inline 优化过的高阶函数：

inline fun fooInline(block: () -> Unit) { // 唯一的区别：多了一个关键字 inline
    block()
}

fun main() {
    var i = 0
    fooInline { i++ }
}

反编译后的 Java 后：

public final class HigherOrderInlineExampleKt {
    public static final void fooInline(Function0 block) { // 没有变化
        block.invoke();
    }

    public static final void main() {
        int i = 0;      // 区别：匿名内部类不见了，方法调用也不见了
        int i = i + 1;  // 原理：将 inline 函数当中的代码拷贝到调用处
    }
}

inline 的作用其实就是：将 inline 函数当中的代码拷贝到调用处。

使用 JMH 测试 inline 性能

不使用 inline 时：

main() 中需要调用 foo()，多了一次函数调用的开销
foo() 中需要创建了匿名内部类对象，这也是额外的开销

为了验证使用 inline 前后的性能差异，我们可以使用 JMH（Java Microbenchmark Harness）对这两组代码进行性能测试。JMH 可以最大程度地排除外界因素的干扰（比如内存抖动、虚拟机预热），从而判断出我们这两组代码执行效率的差异。它的结果不一定非常精确，但足以说明一些问题。

下面以两组测试代码为例，来探究下 inline 到底能为我们带来多少性能上的提升：

fun foo(block: () -> Unit) = block()              // 不用 inline 的高阶函数
inline fun fooInline(block: () -> Unit) = block() // 使用 inline 的高阶函数

// 测试无 inline 的代码
@Benchmark
fun testNonInlined() {
    var i = 0
    foo { i++ }
}

// 测试有 inline 的代码
@Benchmark
fun testInlined() {
    var i = 0
    fooInline { i++ }
}

最终的测试结果如下，分数越高性能越好：

Benchmark        Mode          Score         Error     Units
testInlined      thrpt   3272062.466   ± 67403.033    ops/ms
testNonInlined   thrpt    355450.945   ± 12647.220    ops/ms

从上面的测试结果我们能看出来，是否使用 inline 的效率相差 10 倍。在一些复杂的代码场景下，多个高阶函数嵌套执行，它们之间的执行效率会相差上百倍。

测试多层嵌套的性能差异

为了模拟复杂的代码结构，我们可以简单地将上面这两个函数分别嵌套 10 个层级，然后看看它们之间的性能差异：

@Benchmark
fun testNonInlined() {
    var i = 0
    foo {
        foo {
            foo {
                foo {
                    foo {
                        foo {
                            foo {
                                foo {
                                    foo {
                                        foo {
                                            i++
                                        }
                                    }
                                }
                            }
                        }
                    }
                }
            }
        }
    }
}

@Benchmark
fun testInlined() {
    var i = 0
    fooInline {
        fooInline {
            fooInline {
                fooInline {
                    fooInline {
                        fooInline {
                            fooInline {
                                fooInline {
                                    fooInline {
                                        fooInline {
                                            i++
                                        }
                                    }
                                }
                            }
                        }
                    }
                }
            }
        }
    }
}

Benchmark         Mode         Score         Error    Units
testInlined      thrpt   3266143.092   ± 85861.453   ops/ms
testNonInlined   thrpt     31404.262   ±   804.615   ops/ms

可以看到，在嵌套了 10 个层级以后，testInlined 的性能几乎没有什么变化；而 testNonInlined 的性能比 1 层嵌套差了 10 倍。

在这种情况下，testInlined() 与 testNonInlined() 之间的性能差异就达到了 100 倍。

如果反编译成 Java 代码，能看到：

对于 testNonInlined()，由于 foo() 嵌套了 10 层，它反编译后的代码也嵌套了 10 层函数调用，中间还伴随了 10 次匿名内部类的创建
而对于 testInlined()，则只有简单的两行代码，完全没有任何嵌套的痕迹

inline 的使用限制

Kotlin 官方建议：仅将 inline 用于修饰高阶函数。而且，也不是所有高阶函数都可以用 inline

IntelliJ IDEA 会使用 inline 修饰的普通函数发出警告：

Expected 期望 performance impact 性能影响 of inlining is insignificant 微不足道. Inlining works best for functions with parameters of functional types 函数类型参数的函数

另外，在 processText() 方法的内部，getWordCount() 和 mapToList() 这两个方法还会报错：

Public-API inline function cannot access non-public API xxx

报错的原因是：inline 的作用其实就是将 inline 函数当中的代码拷贝到调用处，而只有 public 的方法才可以被拷贝（访问)）。

2016-06-01

posted @ 2016-06-01 13:09 白乾涛阅读(5248) 评论(0) 编辑收藏举报

会员力量，点亮园子希望

刷新页面返回顶部

白乾涛

个人站点(baiqiantao.github.io) 我的GitHub(github.com/baiqiantao)

Kotlin 朱涛-8 实战 inline 函数式编程词频统计

目录

08 | 实战：用Kotlin写一个英语词频统计程序

命令式风格

文本清洗

词频统计

词频排序

函数式风格

转为扩展方法

优化后的效果

进一步优化

使用 inline 优化

高阶函数的实现原理

inline 的实现原理

使用 JMH 测试 inline 性能

测试多层嵌套的性能差异

inline 的使用限制

公告

白乾涛

个人站点(baiqiantao.github.io) 我的GitHub(github.com/baiqiantao)

Kotlin 朱涛-8 实战 inline 函数式编程 词频统计

目录

08 | 实战：用Kotlin写一个英语词频统计程序

命令式风格

文本清洗

词频统计

词频排序

函数式风格

转为扩展方法

优化后的效果

进一步优化

使用 inline 优化

高阶函数的实现原理

inline 的实现原理

使用 JMH 测试 inline 性能

测试多层嵌套的性能差异

inline 的使用限制

公告

Kotlin 朱涛-8 实战 inline 函数式编程词频统计