如何在Scala中分析方法？

分析Scala方法调用的标准方法是什么？

我需要的是方法周围的钩子，可以用来启动和停止计时器。

在Java中，我使用方面编程AspectJ来定义要分析的方法，并注入字节码以实现相同的目的。

Scala中是否有更自然的方法，我可以在函数之前和之后定义一堆函数，而又不会在过程中丢失任何静态类型？

是否要执行此操作而不更改要测量其时序的代码？如果您不介意更改代码，则可以执行以下操作：

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 }

除了Jesper的答案，您还可以在REPL中自动包装方法调用：

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

现在-让我们在其中包装任何东西

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

好-我们需要进入省电模式

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>    **

收起来

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

我不知道为什么要打印5次

从2.12.2开始更新：

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

有3个标杆库Scala的，你可以利用的。

由于链接站点上的URL可能会更改，因此我在下面粘贴了相关内容。

1. SPerformance-性能测试框架，旨在自动比较性能测试并在Simple Build Tool中进行操作。

2. scala-benchmarking-template -SBT模板项目，用于基于Caliper创建Scala（微型）基准。

3. 指标 -捕获JVM和应用程序级别的指标。所以你知道发生了什么

这是我用的：

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 可能会有用。

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

我从Jesper那里获得了解决方案，并在同一代码的多次运行中为其添加了一些聚合

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))
}

假设您要对两个函数counter_new和计时counter_old，以下是用法：

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

希望这会有所帮助

我使用一种易于在代码块中移动的技术。问题的关键是计时器的开始和结束都在同一行上，因此实际上是简单的复制和粘贴。另一个好处是，您可以在同一行中定义时间对字符串的含义。

用法示例：

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

代码：

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()
  }

优点：

• 无需将代码包装为块或在行内操作
• 探索时可以轻松地在代码行之间移动计时器的开始和结束

缺点：

• 完全没有光泽的代码
• 显然，如果您不“关闭”计时器，则该对象会泄漏映射条目，例如，如果您的代码未到达给定计时器启动的第二次调用。

ScalaMeter是一个很好的库，可以在Scala中执行基准测试

下面是一个简单的例子

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) }

如果在Scala工作表中执行上述代码片段，则将获得运行时间（以毫秒为单位）

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

我喜欢@wrick答案的简单性，但也想要：

• 探查器处理循环（为了保持一致和方便）

• 更精确的计时（使用nanoTime）

• 每次迭代的时间（不是所有迭代的总时间）

• 只返回ns / iteration-不是元组

这是在这里实现的：

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

为了获得更高的准确性，一个简单的修改就允许JVM Hotspot预热循环（未定时）来定时小片段：

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
}

推荐的对Scala代码进行基准测试的方法是通过sbt-jmh

“不要相信任何人，把一切都放在长凳上。” -JMH（Java Microbenchmark Harness）的sbt插件

例如，许多主要的Scala项目都采用了这种方法，

• Scala编程语言本身
• 多蒂（Scala 3）
• 用于函数式编程的cats库
• 适用于IDE的Metals语言服务器

基于简单的包装计时器System.nanoTime是不是一个可靠的方法标杆：

System.nanoTime和String.intern现在一样糟糕：您可以使用它，但要明智地使用它。计时器引入的延迟，粒度和可伸缩性影响可能会并且将在不适当严格的情况下影响您的测量。这是为什么System.nanoTime应该通过基准测试框架从用户中抽象出来的众多原因之一

此外，JIT预热，垃圾收集，系统范围的事件等考虑因素可能会在测量中引入不可预测性：

需要减轻许多影响，包括预热，消除死代码，分叉等等。幸运的是，JMH已经处理了很多事情，并且具有Java和Scala的绑定。

根据Travis Brown的回答，这里是如何为Scala设置JMH基准的示例

1. 将jmh添加到 project/plugins.sbt

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

2. 在启用JMH插件 build.sbt

   enablePlugins(JmhPlugin)

3. 添加 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. 执行基准测试

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

结果是

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

这似乎表明在前面加上a List，然后在最后将其反转比在后面继续添加要快几个数量级Vector。

站在巨人的肩膀上...

一个可靠的第三方库将是更理想的选择，但是如果您需要基于std-library的快速库，可以使用以下变体：

• 重复次数
• 最后结果胜出多次
• 多次重复的总时间和平均时间
• 无需将时间/即时提供者作为参数

。

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
  }
}

同样值得一提的是，您可以使用该Duration.toCoarsest方法将其转换为最大的时间单位，尽管我不确定这与两次运行之间的微小时差有多友好。

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> 

您可以使用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
}

用法：

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

nanoTime将显示给您ns，因此很难看到。因此，我建议您可以使用currentTimeMillis代替它。