使用xml-conduit parseBytes堆积内存

Question

我正在使用XML -conduit的流接口https://hackage.haskell.org/package/xml-conduit-1.8.0/docs/Text-XML-Stream-Parse.html#v:parseBytes解析一些相当大的xml文件，但是我看到了内存的积累(这里是一个小的测试文件)：

​

​

排名靠前的用户是：

​

​

实际数据不应该占用那么多堆-如果我序列化并重新读取，驻留内存使用的是千字节，而不是这里的兆字节。

我用来重现这一点的最小例子是：

{-# LANGUAGE BangPatterns      #-}
{-# LANGUAGE OverloadedStrings #-}

module Main where

import           Control.Monad
import           Control.Monad.IO.Class
import           Data.Conduit
import           Data.Conduit.Binary    (sourceFile)
import qualified Data.Conduit.List      as CL
import           Data.Text              (Text)
import           Text.XML.Stream.Parse

type Y = [(Text, Text)]

main :: IO ()
main = do
  res1 <- runConduitRes $
          sourceFile "test.xml"
          .| Text.XML.Stream.Parse.parseBytes def
          .| parseMain
          .| CL.foldM get []
  print res1

get :: (MonadIO m, Show a) => [a] -> [a] -> m [a]
get acc !vals = do
 liftIO $! print vals           -- this oughta force it?
 return $! take 1 vals ++ acc

parseMain = void $ tagIgnoreAttrs "Period" parseDetails

parseDetails = many parseParam >>= yield

parseParam = tag' "param" parseParamAttrs $ \idAttr -> do
  value <- content
  return (idAttr, value)

parseParamAttrs = do
  idAttr <- requireAttr "id"
  attr "name"
  return idAttr

Answer 1

如果我将get更改为只返回["hi"]或其他什么，我就不会得到积压。因此，返回的文本似乎保留了对它们所在的较大文本的一些引用(例如，零拷贝切片，参见。注释在https://hackage.haskell.org/package/text-0.11.2.0/docs/Data-Text.html#g:18 )，所以文本的其余部分不能被垃圾收集，即使我们只使用了很小的部分。

我们的解决方法是在任何我们想要生成的属性上使用Data.Text.copy：

someattr <- requireAttr "n"
yield (T.copy someattr)

这让我们可以使用几乎不变的内存进行解析。

(如果我们想节省更多的内存，我们可以考虑使用https://markkarpov.com/post/short-bs-and-text.html#shorttext。)