Performance 关于Haskell中性能的推理

以下两个用于计算斐波那契序列第n项的Haskell程序具有截然不同的性能特征：

fib1 n =
  case n of
    0 -> 1
    1 -> 1
    x -> (fib1 (x-1)) + (fib1 (x-2))

fib2 n = fibArr !! n where
  fibArr = 1:1:[a + b | (a, b) <- zip fibArr (tail fibArr)]

fib1n=
案例n
0 -> 1
1 -> 1
x->（fib1（x-1））+（fib1（x-2））
fib2n=fibArr！！n在哪里
fibArr=1:1:[a+b |（a，b）在您特定的Fibonacci示例中，不难理解为什么第二个应该运行得更快（尽管您没有指定f2是什么）

这主要是一个算法问题：


fib1实现了纯粹的递归算法，而且（据我所知）Haskell没有“隐式记忆”机制
fib2使用显式记忆（使用fibArr列表存储以前计算的值）

一般来说，像Haskell这样懒惰的语言要比热切的语言更难做出性能假设。然而，如果你了解潜在的机制（尤其是懒惰），并收集一些经验，你将能够对性能做出一些“预测”

参考透明度通过（至少）两种方式提高（潜在）性能：


首先，您（作为一名程序员）可以确保对同一函数的两个调用总是返回相同的结果，因此您可以在各种情况下利用这一点来提高性能
其次（也是更重要的一点），Haskell编译器可以确保上述事实，这可能会启用许多在不纯语言中无法启用的优化（如果您曾经编写过编译器或有过编译器优化方面的任何经验，您可能知道这一点的重要性）

如果你想阅读更多关于Haskell设计选择背后的推理（惰性、纯粹性），我建议你阅读。
关于性能的推理在Haskell和惰性语言中通常是很难的，尽管不是不可能的。Chris Okasaki的（也在以前的版本中提供）中介绍了一些技巧

另一种确保性能的方法是固定评估顺序，可以使用注释，也可以使用注释。这样可以控制评估的时间

在您的示例中，您可以“自下而上”计算数字，并将前两个数字传递给每个迭代：

fib n = fib_iter(1,1,n)
    where
      fib_iter(a,b,0) = a
      fib_iter(a,b,1) = a
      fib_iter(a,b,n) = fib_iter(a+b,a,n-1)

这将产生一个线性时间算法

每当你有一个动态规划算法，其中每个结果都依赖于之前的N个结果时，你可以使用这种技术。否则你可能必须使用数组或完全不同的东西。
你的fib2实现使用记忆，但每次调用fib2时，它都会重建“整体”结果。打开ghci时间和大小分析：

Prelude> :set +s

如果是在“两次”通话之间进行回忆录，则后续通话会更快，并且不会占用内存。请拨打fib2 20000两次，然后亲自查看

通过比较，您可以定义精确的数学恒等式：

-- the infinite list of all fibs numbers.
fibs = 1 : 1 : zipWith (+) fibs (tail fibs)

memoFib n = fibs !! n

实际上，要使用记忆，正如你所看到的那样明确。如果你运行两次memoFib 20000，你会看到第一次调用占用的时间和空间，那么第二次调用是即时的，不会占用内存。没有魔术，也不会像注释所暗示的那样隐式记忆

现在谈谈您最初的问题：优化和推理Haskell中的性能

我不会说自己是Haskell的专家，我只使用了3年，其中2年是在我的工作场所，但我必须优化并理解如何对其性能进行某种程度的推理

正如在其他帖子中提到的，懒惰是你的朋友，可以帮助你获得表现，但是你必须控制懒惰评估的内容和严格评估的内容

检查以下各项的比较：

foldl实际上存储了“如何”计算值，即它是惰性的。在某些情况下，你会节省时间和空间，就像“无限”谎言一样。无限“谎言”不会生成所有这些谎言，但知道如何生成。当你知道你需要值时，你最好“严格地”得到它说到这里，严格的注释是有用的，它可以让你重新控制

我记得读过很多次，在lisp中，你必须“最小化”考虑

理解什么是严格计算的以及如何强制计算很重要，但了解您对内存的“破坏”程度也很重要。记住Haskell是不可变的，这意味着更新“变量”实际上是在修改后创建一个副本。使用（：）预加比使用（++）附加要高效得多，因为（：）不将内存复制到（++）。每当更新一个大的原子块（即使是单个字符）时，整个块都需要复制以表示“已更新”版本。您构造数据和更新数据的方式会对性能产生很大影响。ghc profiler是您的朋友，可以帮助您发现这些。确保垃圾收集器速度快，但不让它做任何事情会更快

干杯
因为分配是任何函数式语言的主要成本，了解性能的一个重要部分是了解对象何时被分配、它们的寿命、它们何时死亡以及何时被回收。要获得这些信息，您需要一个堆分析器。它是一个必不可少的工具，幸运的是GHC提供了有一个好的

欲了解更多信息，请阅读的论文。
除了备忘录问题，fib1还使用非tailcall递归。tailcall递归可以自动重新分解为一个简单的goto，并且执行得非常好，但是fib1中的递归不能以这种方式优化，因为您需要来自fib1每个实例的堆栈框架来计算计算结果。如果您重写fib1以将运行总计作为参数传递，从而允许尾部调用，而无需保留堆栈帧以进行最终添加，则性能将大大提高。但不如