[python-users] Geschachtelte Listen

[Dirk Hünniger]

Hallo Mark,

danke für die viele Mühe.

Im "high level" will ich in etwa eine HTML seite Parsen, ganz exakt geht 
es um MediaWiki und das auch noch in Haskell. Das war auch bisher kein 
Problem, bis ich auf einmal 60 MByte HTML als Eingabe hatte. Der Trick 
die Unicode Zeichen in irgendeine Art von String Typ auszulagern 
funktioniert gut und um so besser je länger die Strings sind. Ob er bei 
mir funktioniert, werde ich mir am Wochenende anschauen.

Viele Grüße Dirk

On 6/24/19 12:52 PM, Dr. Mark Asbach wrote:
> Hallo Dirk,
>
>> vielen Dank für deine Anwort. Die Sache mit den 8 Byte pro Pointer hatte ich schon so befürchtet. Als Lösung würde mir dann noch einfallen den Speicher sehr manuell zu verwalten und bei jedem Rose Element die Länge der Subliste mit anzugeben. Man braucht ein Bit um zwischen Rose und Leaf zu unterscheiden. Sowie 8 Byte für die Nutzdaten je Leaf und 8 Byte für die Länge je Rose. Wenn ich den bei mir auftrenden Spezialfall das die Nutzdaten Unicode Zeichen sind, sowie die Tatsache das immer weniger 1 ExaByte Ram vorhanden sind nutze, komme ich mit 8 Byte pro Rose bzw Leaf aus. Wäre dann halt nur ein sehr schlecht wartbarer prozduraler Ansatz. Daher werde ich wohl einfach weniger Daten in der Speicher laden müssen.
> Unicode (4 byte pro Zeichen) oder UTF-8-Folgen?
>
> Es bringt immer etwas, bei solchen Knobel-Fragen auch die Problemstellung zu beschreiben - manchmal liegen sinnvolle Lösungen eher auf der High-Level-Beschreibung eines Problems. Ich vermute aus Deinen Sätzen nun folgendes: Du parsed Text, der Sonderzeichen aus dem Unicode-Alphabet enthalten kann, und möchtest diesen Text zerlegen, so dass sich zwischendurch Substrings im Speicher ergeben. Mit dem Vorschlag von Klaus zusammen könnte man das so angehen, dass Du als Datenhalter eine Klasse definierst, die aus einem String plus einer folgenden Subliste besteht, ggf. auch aus einem Array aus solchen Paaren.
>
> Deine Textbeschreibung aus der ursprünglichen Mail sieht aber eingeschränkter aus. Für Dein eingeschränktes Beispiel gibt es ausreichend speichersparende Möglichkeiten, bei denen ich ohne Aufwand mit Python an 150% des Speicherplatzes einer kompakten C++-Repräsentation rankomme. Ich habe Deine C++-Version noch um einen Aufruf von reserve() ergänzt, damit sie keinen überflüssigen Heap braucht und dann alle vier Varianten (Deine ist jeweils die _1) verglichen. Um den Fußabdruck eines nackten Pythons abzuziehen, habe noch ein „Leeres“ Skript entsprechend gemessen. Außerdem habe ich Dein Python-Beispiel so geändert, dass eine Referenz auf die Root-Liste behalten wird, damit Python nicht alles direkt ab dem „r=l“ verwirft da unreferenziert. Kompiliert mit clang++ auf einem 64bit mac.
>
> /usr/bin/time -l python empty.py
>          0.04 real         0.02 user         0.00 sys
>     6782976  maximum resident set size
>
> /usr/bin/time -l python test_1.py
>         47.50 real        45.38 user         2.06 sys
> 7222611968  maximum resident set size
>
> /usr/bin/time -l python test_2.py
>         49.91 real        49.78 user         0.07 sys
>    76500992  maximum resident set size
>
> /usr/bin/time -l ./test_1
>          4.01 real         3.77 user         0.23 sys
>   983851008  maximum resident set size
>
> /usr/bin/time -l ./test_2
>          1.63 real         1.61 user         0.00 sys
>    43212800  maximum resident set size
>
> Grüße,
> Mark
>