Scala流性能

递归代数数据类型和惰性评估有用性的一个典型例子是博弈算法，如John Hughes的著名WhyFP论文（Comp.J.，Vol.32，No.2，1989）所示

使用Scala实现它，并对游戏的每个子树使用惰性评估的

Stream[Tree[A]]

，将得到

trait Tree[A]

，定义如下：

sealed trait Tree[A]
case class Branch[A](ts: Stream[Tree[A]]) extends Tree[A]
case class Leaf[A](a: A) extends Tree[A]

现在，一个延迟评估的（可能是无限的）游戏可以表示为：

gameTree(b: Board): Tree[Board] = 
  if (b.isAtEndPos) Leaf(b) 
  else Branch(b.emptySlots.toStream.map((pos: Int) => gameTree(b addTic pos)))

您还可以对 实际算法，例如执行此任务的minimax，以及 评估树中必要的部分：

def maximize(tree: Tree[Board]): Int = tree match {
  case Leaf(board) => board.score
  case Branch(subgames) => 
     subgames.map((tree: Tree[Board]) => minimize(tree)).max
} ...
def minimize // symmetrically 

但是，无限流带来了显著的性能损失，使用渴望列表（

ts:list[tree[a]]

）求解相同的游戏树的效率提高了25倍

在类似的情况下，有没有办法在Scala中有效地使用流或惰性结构

编辑：添加了一些性能结果和实际代码： 这是懒惰的版本

惰性版本（scala 2.9.1）：

创建游戏树的时间：0.031s，找到解决方案的时间为133.216s。

树创建中没有转换，即在极小极大中映射到集合

创建游戏树的时间：4.791s，找到解决方案的时间为6.088s。

在游戏树创建中转换为列表

---

创建游戏树的时间：4.438秒，查找解决方案的时间为5.601秒。

如果您想快速大致了解时间，可以尝试运行：

JAVA_OPTS="-Xprof" scala TicTacToe

---

如评论中所述，我个人无法复制您的经验。

“效率是原来的25倍”--是否愿意发布一个包含变体和基准测试工具的项目？无法在我的机器上复制。对于创建/解决方案，我得到：

Stream

s:0.024s/6.568s，

List

s:4.189s/5.382s。所以

Stream

s对我来说更快（当你把两次加起来时）；流：0.23s/6.12s与列表：4.07s/5.16s。因此，在这种情况下，似乎流实际上表现得更好。我也在使用scala 2.9.1，所以我能想到的唯一区别是不同的JVM，不同的JVM设置，或者一些奇怪的硬件相关问题。我还没有指出实际的问题，但是运行性能测试，这个问题很草率，因为在不同的干净安装环境中，而合理的gc选项集，我并没有在streams性能方面绊倒。大约一年前，我确实遇到过类似的问题（在一个不同的环境中，hw），一个简单的实现是折叠一个流而不是一个范围（尽管连续传递显然是最慢的）。因此，我没有怀疑，环境污染将是根本原因。很抱歉。谢谢大家的努力@链接已断开