Как профилировать методы в Scala?

Каков стандартный способ профилирования вызовов методов Scala?

Что мне нужно, так это крючки вокруг метода, с помощью которых я могу запускать и останавливать таймеры.

В Java я использую аспектное программирование, aspectJ, для определения методов, которые нужно профилировать, и внедрения байт-кода для достижения того же.

Есть ли более естественный способ в Scala, где я могу определить набор функций, которые будут вызываться до и после функции, без потери статической типизации в процессе?

Вы хотите сделать это, не меняя код, для которого вы хотите измерять время? Если вы не против изменить код, вы можете сделать что-то вроде этого:

def time[R](block: => R): R = {
    val t0 = System.nanoTime()
    val result = block    // call-by-name
    val t1 = System.nanoTime()
    println("Elapsed time: " + (t1 - t0) + "ns")
    result
}

// Now wrap your method calls, for example change this...
val result = 1 to 1000 sum

// ... into this
val result = time { 1 to 1000 sum }

В дополнение к ответу Джеспера вы можете автоматически переносить вызовы методов в REPL:

scala> def time[R](block: => R): R = {
   | val t0 = System.nanoTime()
   | val result = block
   | println("Elapsed time: " + (System.nanoTime - t0) + "ns")
   | result
   | }
time: [R](block: => R)R

А теперь - обернем что-нибудь в это

scala> :wrap time
wrap: no such command.  Type :help for help.

ОК - нам нужно быть в режиме питания

scala> :power
** Power User mode enabled - BEEP BOOP SPIZ **
** :phase has been set to 'typer'.          **
** scala.tools.nsc._ has been imported      **
** global._ and definitions._ also imported **
** Try  :help,  vals.<tab>,  power.<tab>    **

Завернуть

scala> :wrap time
Set wrapper to 'time'

scala> BigDecimal("1.456")
Elapsed time: 950874ns
Elapsed time: 870589ns
Elapsed time: 902654ns
Elapsed time: 898372ns
Elapsed time: 1690250ns
res0: scala.math.BigDecimal = 1.456

Понятия не имею, почему это напечатано 5 раз

Обновление от 2.12.2:

scala> :pa
// Entering paste mode (ctrl-D to finish)

package wrappers { object wrap { def apply[A](a: => A): A = { println("running...") ; a } }}

// Exiting paste mode, now interpreting.


scala> $intp.setExecutionWrapper("wrappers.wrap")

scala> 42
running...
res2: Int = 42

Есть три бенчмаркинга библиотеки для Scala , которые вы можете воспользоваться.

Поскольку URL-адреса на связанном сайте могут измениться, я вставляю соответствующее содержимое ниже.

1. SPerformance - среда тестирования производительности, предназначенная для автоматического сравнения тестов производительности и работа внутри Simple Build Tool.

2. scala-benchmarking-template - проект шаблона SBT для создания (микро) тестов Scala на основе Caliper.

3. Метрики - получение метрик на уровне JVM и приложений. Итак, вы знаете, что происходит

Вот что я использую:

import System.nanoTime
def profile[R](code: => R, t: Long = nanoTime) = (code, nanoTime - t)

// usage:
val (result, time) = profile { 
  /* block of code to be profiled*/ 
}

val (result2, time2) = profile methodToBeProfiled(foo)

testing.Benchmark может быть полезно.

scala> def testMethod {Thread.sleep(100)}
testMethod: Unit

scala> object Test extends testing.Benchmark {
     |   def run = testMethod
     | }
defined module Test

scala> Test.main(Array("5"))
$line16.$read$$iw$$iw$Test$     100     100     100     100     100

Я взял решение у Джеспера и добавил к нему некоторую агрегацию при многократном запуске одного и того же кода.

def time[R](block: => R) = {
    def print_result(s: String, ns: Long) = {
      val formatter = java.text.NumberFormat.getIntegerInstance
      println("%-16s".format(s) + formatter.format(ns) + " ns")
    }

    var t0 = System.nanoTime()
    var result = block    // call-by-name
    var t1 = System.nanoTime()

    print_result("First Run", (t1 - t0))

    var lst = for (i <- 1 to 10) yield {
      t0 = System.nanoTime()
      result = block    // call-by-name
      t1 = System.nanoTime()
      print_result("Run #" + i, (t1 - t0))
      (t1 - t0).toLong
    }

    print_result("Max", lst.max)
    print_result("Min", lst.min)
    print_result("Avg", (lst.sum / lst.length))
}

Предположим, вы хотите синхронизировать две функции, counter_newи counter_oldследующее их использование:

scala> time {counter_new(lst)}
First Run       2,963,261,456 ns
Run #1          1,486,928,576 ns
Run #2          1,321,499,030 ns
Run #3          1,461,277,950 ns
Run #4          1,299,298,316 ns
Run #5          1,459,163,587 ns
Run #6          1,318,305,378 ns
Run #7          1,473,063,405 ns
Run #8          1,482,330,042 ns
Run #9          1,318,320,459 ns
Run #10         1,453,722,468 ns
Max             1,486,928,576 ns
Min             1,299,298,316 ns
Avg             1,407,390,921 ns

scala> time {counter_old(lst)}
First Run       444,795,051 ns
Run #1          1,455,528,106 ns
Run #2          586,305,699 ns
Run #3          2,085,802,554 ns
Run #4          579,028,408 ns
Run #5          582,701,806 ns
Run #6          403,933,518 ns
Run #7          562,429,973 ns
Run #8          572,927,876 ns
Run #9          570,280,691 ns
Run #10         580,869,246 ns
Max             2,085,802,554 ns
Min             403,933,518 ns
Avg             797,980,787 ns

Надеюсь, это будет полезно

Я использую технику, которую легко перемещать в блоках кода. Суть в том, что одна и та же строка запускает и заканчивает таймер, так что это действительно простое копирование и вставка. Еще одна приятная вещь заключается в том, что вы можете определить, что для вас значит время, в виде строки, и все это в одной строке.

Пример использования:

Timelog("timer name/description")
//code to time
Timelog("timer name/description")

Код:

object Timelog {

  val timers = scala.collection.mutable.Map.empty[String, Long]

  //
  // Usage: call once to start the timer, and once to stop it, using the same timer name parameter
  //
  def timer(timerName:String) = {
    if (timers contains timerName) {
      val output = s"$timerName took ${(System.nanoTime() - timers(timerName)) / 1000 / 1000} milliseconds"
      println(output) // or log, or send off to some performance db for analytics
    }
    else timers(timerName) = System.nanoTime()
  }

Плюсы:

• нет необходимости обертывать код как блок или манипулировать внутри строк
• может легко перемещать начало и конец таймера между строками кода при поиске

Минусы:

• менее блестящий для полностью функционального кода
• очевидно, что этот объект пропускает записи карты, если вы не "закрываете" таймеры, например, если ваш код не достигает второго вызова для данного запуска таймера.

ScalaMeter - хорошая библиотека для тестирования производительности в Scala.

Ниже простой пример

import org.scalameter._

def sumSegment(i: Long, j: Long): Long = (i to j) sum

val (a, b) = (1, 1000000000)

val execution_time = measure { sumSegment(a, b) }

Если вы выполните приведенный выше фрагмент кода в Scala Worksheet, вы получите время выполнения в миллисекундах.

execution_time: org.scalameter.Quantity[Double] = 0.260325 ms

Мне нравится простота ответа @wrick, но я также хотел:

• профилировщик обрабатывает цикл (для единообразия и удобства)

• более точное время (с помощью nanoTime)

• время на итерацию (не общее время всех итераций)

• просто верните ns / итерацию - не кортеж

Это достигается здесь:

def profile[R] (repeat :Int)(code: => R, t: Long = System.nanoTime) = { 
  (1 to repeat).foreach(i => code)
  (System.nanoTime - t)/repeat
}

Для еще большей точности простая модификация позволяет создать цикл разогрева JVM Hotspot (не рассчитанный по времени) для синхронизации небольших фрагментов:

def profile[R] (repeat :Int)(code: => R) = {  
  (1 to 10000).foreach(i => code)   // warmup
  val start = System.nanoTime
  (1 to repeat).foreach(i => code)
  (System.nanoTime - start)/repeat
}

Рекомендуемый подход к тестированию кода Scala - через sbt-jmh.

«Никому не верь, все жди». - плагин sbt для JMH (Java Microbenchmark Harness)

Этот подход используется во многих крупных проектах Scala, например,

• Сам язык программирования Scala
• Дотти (Scala 3)
• библиотека кошек для функционального программирования
• Языковой сервер Metals для IDE

Простая обертка таймер на основе System.nanoTimeявляется не надежным методом бенчмаркинг:

System.nanoTimeтак же плохо, как и String.internсейчас: пользоваться можно, но с умом. Эффекты задержки, детализации и масштабируемости, вносимые таймерами, могут и будут влиять на ваши измерения, если они будут выполнены без должной строгости. Это одна из многих причин, по которым System.nanoTimeследует абстрагироваться от пользователей с помощью фреймворков для тестирования.

Кроме того, такие соображения, как разминка JIT , сборка мусора, общесистемные события и т. Д., Могут внести непредсказуемость в измерения:

Необходимо смягчить тонны эффектов, включая разогрев, удаление мертвого кода, разветвление и т. Д. К счастью, JMH уже позаботился о многих вещах и имеет привязки как для Java, так и для Scala.

Основываясь на ответе Трэвиса Брауна, вот пример того, как настроить тест JMH для Scala.

1. Добавить jmh в project/plugins.sbt

   addSbtPlugin("pl.project13.scala" % "sbt-jmh" % "0.3.7")

2. Включить плагин jmh в build.sbt

   enablePlugins(JmhPlugin)

3. добавить в src/main/scala/bench/VectorAppendVsListPreppendAndReverse.scala

   package bench
   
   import org.openjdk.jmh.annotations._
   
   @State(Scope.Benchmark)
   @BenchmarkMode(Array(Mode.AverageTime))
   class VectorAppendVsListPreppendAndReverse {
     val size = 1_000_000
     val input = 1 to size
   
     @Benchmark def vectorAppend: Vector[Int] = 
       input.foldLeft(Vector.empty[Int])({ case (acc, next) => acc.appended(next)})
   
     @Benchmark def listPrependAndReverse: List[Int] = 
       input.foldLeft(List.empty[Int])({ case (acc, next) => acc.prepended(next)}).reverse
   }

4. Выполнить тест с

   sbt "jmh:run -i 10 -wi 10 -f 2 -t 1 bench.VectorAppendVsListPreppendAndReverse"

Результаты

Benchmark                                                   Mode  Cnt  Score   Error  Units
VectorAppendVsListPreppendAndReverse.listPrependAndReverse  avgt   20  0.024 ± 0.001   s/op
VectorAppendVsListPreppendAndReverse.vectorAppend           avgt   20  0.130 ± 0.003   s/op

который, кажется, указывает, что добавление к a, Listа затем обратное его изменение в конце на порядок быстрее, чем продолжение добавления к a Vector.

Стоя на плечах гигантов ...

Более идеальной была бы надежная сторонняя библиотека, но если вам нужно что-то быстрое и основанное на стандартной библиотеке, следующий вариант предоставляет:

• Повторы
• Побеждает последний результат при многократном повторении
• Общее время и среднее время для нескольких повторений
• Устраняет необходимость использования поставщика времени / мгновенного доступа в качестве параметра

,

import scala.concurrent.duration._
import scala.language.{postfixOps, implicitConversions}

package object profile {

  def profile[R](code: => R): R = profileR(1)(code)

  def profileR[R](repeat: Int)(code: => R): R = {
    require(repeat > 0, "Profile: at least 1 repetition required")

    val start = Deadline.now

    val result = (1 until repeat).foldLeft(code) { (_: R, _: Int) => code }

    val end = Deadline.now

    val elapsed = ((end - start) / repeat)

    if (repeat > 1) {
      println(s"Elapsed time: $elapsed averaged over $repeat repetitions; Total elapsed time")

      val totalElapsed = (end - start)

      println(s"Total elapsed time: $totalElapsed")
    }
    else println(s"Elapsed time: $elapsed")

    result
  }
}

Также стоит отметить, что вы можете использовать этот Duration.toCoarsestметод для преобразования в максимально возможную единицу времени, хотя я не уверен, насколько это удобно с небольшой разницей во времени между запусками, например

Welcome to Scala version 2.11.7 (Java HotSpot(TM) 64-Bit Server VM, Java 1.8.0_60).
Type in expressions to have them evaluated.
Type :help for more information.

scala> import scala.concurrent.duration._
import scala.concurrent.duration._

scala> import scala.language.{postfixOps, implicitConversions}
import scala.language.{postfixOps, implicitConversions}

scala> 1000.millis
res0: scala.concurrent.duration.FiniteDuration = 1000 milliseconds

scala> 1000.millis.toCoarsest
res1: scala.concurrent.duration.Duration = 1 second

scala> 1001.millis.toCoarsest
res2: scala.concurrent.duration.Duration = 1001 milliseconds

scala> 

Вы можете использовать System.currentTimeMillis:

def time[R](block: => R): R = {
    val t0 = System.currentTimeMillis()
    val result = block    // call-by-name
    val t1 = System.currentTimeMillis()
    println("Elapsed time: " + (t1 - t0) + "ms")
    result
}

Использование:

time{
    //execute somethings here, like methods, or some codes.
}  

nanoTime покажет вам ns, что будет трудно увидеть. Поэтому я предлагаю вам использовать вместо него currentTimeMillis.