Довольно часто на практике попадается класс задач, когда требуется обойти какую-то структуру или преобразовать формат данных из одного в другой. И в самом общем случае выполнение таких действий приводит к большому числу проверок и аллокаций памяти. Одним из примеров является парсинг JSON. При этом схема данных обычно задана, и мы ожидаем данные вполне определенного формата.
Мой рассказ будет посвящен кодогенерации подходу, который обычно позволяет ускорить работу алгоритма и избавиться от излишних проверок и аллокаций.
При работе с компилируемыми языками мы переносим часть работы из рантайма на стадию компиляции и получаем программу, которая способна очень быстро выполнять нашу специализированную задачу. Много материала про кодогенерацию уже написано. Сразу вспоминается язык Go, хотя это, конечно, не единственный пример в каждом языке возникают задачи, связанные с маршаллингом, парсингом и т.д. Я буду рассказывать про то, что ближе мне про использование кодогенерации при разработке приложений на Tarantool. При этом в отличие от компилируемых языков нам не потребуется производить перекомпиляцию кода в случае изменения каких-либо параметров всё будет происходить прямо в рантайме.
Немного про Tarantool и LuaJIT
Tarantool это платформа для in-memory вычислений флакон, объединяющий сервер приложений и базу данных. Сам Tarantool написан на языке С, но пользователь может работать с ним с помощью языка Lua. А если совсем точно, то одной из его реализаций LuaJIT не с просто интерпретатором, а ещё и с поддержкой и JIT-компиляции. И часто при работе возникают задачи по трансформации сущностей при записи в базу или после извлечения из неё, а также их валидации на соответствие схеме, заданной пользователем. Типичный подход для решения этой и схожих задач написание функций для преобразования данных. Эти функции не привязаны к конкретной схеме и зачастую представляют из себя набор замыканий. Однако не стоит забывать, что мы работаем с LuaJIT языком, который способен компилировать и достаточно быстро выполнять "горячие" участки кода.
Но, к сожалению, не всё подряд может быть скомпилировано, у платформы есть ряд ограничений это так называемые NYI (Not yet implemented) функции. Кроме того, работа с данными активно использует дополнительные структуры массивы и хэш-мапы. В Lua они представлены общим типом данных "table" (таблица). Перед нами две основные проблемы использование части функций серьезно влияет на производительность, а избыточное использование вспомогательных структур приводит к излишней нагрузке на GC, с которым у и Lua 5.1, и у LuaJIT проблемы. Поэтому задача написание кода, который сможет быть скомпилирован LuaJIT, и будет приводить к минимально возможному количеству аллокаций.
К реальным задачам
Данный подход мы будем разбирать на реальном примере, на примере модуля CRUD. Задача данного модуля это упрощение работы с шардированными данными. То есть данные распределены между несколькими стораджами (инстансами Tarantool, хранящими данные), и мы, обращаясь к ним через роутер (по сути, клиент), не хотим задумываться, на каком именно из стораджей лежат интересующие нас данные, а просто указываем условие поиска, и модуль возвращает нам уже готовые данные. Немного про хранение. Tarantool хранит данные в спейсах (spaces) аналог таблиц в реляционных БД. Единица хранения кортеж (tuple) массив заданных нами значений. При этом нам привычно работать именно с Lua-таблицами обращаться к полю по названию, а не по номеру в кортеже. В качестве аналогии можно привести формат JSON. Обычно именно в таком формате поступают данные из внешних систем которые затем парсятся в Lua-таблицы, "сплющиваются" и сохраняются в базу. Соответственно типичными для тарантула операциями являются так называемый "флаттенинг" (flatten) и "анфлаттенинг" (unflatten) получение из луа-таблицы плоского тапла и наоборот. И в частном случае пользователь может написать руками все эти операции.
-- Создаем space - аналог таблицы в реляционных БДbox.schema.space.create('data')-- Создаем первичный ключbox.space.data:create_index('primary_key')-- Попробуем вставить в наш space следующий объектobject = { id = 1, key = "key", value = "value" }-- Выполняем "сплющивание" объекта - flattentuple = {object["id"], object["key"], object["value"]}-- Единицей хранение в Tarantool является tuple - кортеж из значенийbox.space.data:insert(tuple)-- После сохранения мы можем достать наш объект по первичному ключуtuple = box.space.data:get({1})-- Преобразуем объект в исходное состояние - unflattenobject = { id = tuple[1], key = tuple[2], value = tuple[3],}
Здесь мы явно захардкодили порядок полей в спейсе. Однако в
общем случае схема задается извне некоторым форматом, и мы пишем
простенькие функции, которые занимаются трансформацией объекта в
соответствии с этим форматом. Модуль CRUD, как и сам Tarantool,
имеет функцию replace
она точно также вставляет кортеж
в базу. Для упрощения жизни пользователям была также добавлена
функция replace_object
которая принимает объект,
преобразует в плоский вид в соответствии с форматом спейса, а затем
уже сохраняет.
Ближе к коду и измерению производительности
Перед тем, как перейти к демонстрации кода, давайте рассмотрим бенчмарк, с помощью которого мы будем оценивать производительность нашего кода. Состоять он будет из нескольких файлов. Входные данные:
-- test_data.lua-- Формат - 8 строковых полей + bucket_id-- (специальное поле, необходимое при шардировании данных).local format = { {name = 'field1', type = 'string', is_nullable = false}, {name = 'field2', type = 'string', is_nullable = false}, {name = 'field3', type = 'string', is_nullable = false}, {name = 'field4', type = 'string', is_nullable = false}, {name = 'field5', type = 'string', is_nullable = false}, {name = 'field6', type = 'string', is_nullable = false}, {name = 'field7', type = 'string', is_nullable = false}, {name = 'field8', type = 'string', is_nullable = false}, {name = 'bucket_id', type = 'unsigned', is_nullable = false},}-- Объект необходимого форматаlocal data = { field1 = 'string1', field2 = 'string2', field3 = 'string3', field4 = 'string4', field5 = 'string5', field6 = 'string6', field7 = 'string7', field8 = 'string8', bucket_id = nil,}return { format = format, data = data,}
Функция, замеряющая время выполнения нашего кода.
-- bench.lua-- Замеряем, сколько времени займет 1 миллион итерацийlocal clock = require('clock')local count = 1e6local function run(f, ...) local start = clock.time() for _ = 1, count do f(...) end return clock.time() - startendreturn { run = run,}
И входная точка, исполняемый файл, в который поочередно можно будет добавлять тесты:
#!/usr/bin/env tarantool-- init.lualocal bench = require('bench')local test_data = require('test_data')-- Это наш первый тестlocal naive = require('naive')local res = bench.run(naive.flatten, test_data.data, test_data.format, 1)print(string.format('Naive result: %0.3f s', res))-- После добавления нужного модуля, мы раскомментируем каждый фрагмент.-- local code_gen_v1 = require('code_gen_v1')-- local res = bench.run(code_gen_v1.flatten, test_data.data, test_data.format, 1)-- print(string.format('code_gen_v1 result: %0.3f s', res))-- local code_gen_v2 = require('code_gen_v2')-- local res = bench.run(code_gen_v2.flatten, test_data.data, test_data.format, 1)-- print(string.format('code_gen_v2 result: %0.3f s', res))
Давайте рассмотрим, как раньше выполнялось данное преобразование самый наивный подход:
-- naive.lualocal system_fields = { bucket_id = true }local function flatten(object, space_format, bucket_id) if object == nil then return nil end local tuple = {} local fieldnames = {} for fieldno, field_format in ipairs(space_format) do local fieldname = field_format.name local value = object[fieldname] if not system_fields[fieldname] then if not field_format.is_nullable and value == nil then return nil, string.format("Field %q isn't nullable", fieldname) end end if bucket_id ~= nil and fieldname == 'bucket_id' then value = bucket_id end tuple[fieldno] = value fieldnames[fieldname] = true end for fieldname in pairs(object) do if not fieldnames[fieldname] then return nil, string.format("Unknown field %q is specified", fieldname) end end return tupleendreturn { flatten = flatten,}
Пример слегка упрощен. Но стоит заметить несколько вещей:
-
При каждом запросе мы пересоздаем таблицу "fieldnames", содержащую поля формата. Необходима для проверки, что наш объект не содержит лишних полей (и без кодогенерации её следовало бы как-то закэшировать).
-
Обходим весь объект в соответствии с форматом. При этом формат нам известен и меняется достаточно редко. Это одна из предпосылок для использования кодогенерации.
Запускаем:
tarantool init.lua Naive result: 1.109 s
На моём ноутбуке этот тест выполнился за 1 секунду.
Теперь попробуем написать функцию, которая развернет нам цикл. Объект же продолжит обрабатываться в соответствии с форматом.
-- code_gen_v1.lua-- Небольшой хелпер для работы со строкамиlocal function append(lines, s, ...) table.insert(lines, string.format(s, ...))end-- Кэш, где ключ - таблица с "форматом", а значение - функция флаттенинга.-- Для простоты считаем, что формат не меняется, не занимаемся инвалидацией кэша.local cache = {}local function flatten(object, space_format, bucket_id) -- В случае если функция уже сгенерирована, -- берем её из кэша. Иначе приступаем к кодогенерации. local fun = cache[space_format] if fun ~= nil then return fun(object, bucket_id) end -- Будем "готовить" наш код построчно и сохранять в массив lines. local lines = {} append(lines, 'local object, bucket_id = ...') append(lines, 'local result = {}') for i, field in ipairs(space_format) do if field.name ~= 'bucket_id' then append(lines, 'result[%d] = object[%q]', i, field.name) else append(lines, 'result[%d] = bucket_id', i) end end append(lines, 'return result') -- Конкатенируем элементы массива, чтобы получить полный текст функции. local code = table.concat(lines, '\n') -- Раскомментриуйте, чтобы увидеть результат -- print(code) -- С помощью функции "load" преобразуем текст функции в саму функцию fun = assert(load(code)) cache[space_format] = fun return fun(object, bucket_id)endreturn { flatten = flatten,}
В результате выполнения получим следующий код:
local object, bucket_id = ...local result = {}result[1] = object["field1"]result[2] = object["field2"]result[3] = object["field3"]result[4] = object["field4"]result[5] = object["field5"]result[6] = object["field6"]result[7] = object["field7"]result[8] = object["field8"]result[9] = bucket_idreturn result
Это самая простая реализация флаттенинга без дополнительных проверок и оптимизаций, но уже тут мы получили выигрыш в 3 раза по скорости.
Что еще мы можем улучшить? В самом начале сгенерированного кода
мы создаем таблицу result и постепенно её заполняем. Такой подход
приводит к неоднократным реаллокациям, что плохо и довольно
бессмысленно ведь размер таблицы известен заранее. Давайте учтём
это и поменяем строку append(lines, 'local result =
{}')
на append(lines, 'local result = {%s}',
string.rep('box.NULL,', #space_format))
. Так мы сразу
создадим массив нужного нам размера local result = {box.NULL,
..., box.NULL}
. Запуск бенчмарка выдает 0.2 секунды.
Давайте попробуем улучшить код так, чтобы сгенерированный код проходил тесты модуля CRUD. Для этого нам не хватает валидации.
-- code_gen_v2.lualocal function append(lines, s, ...) table.insert(lines, string.format(s, ...))endlocal cache = setmetatable({}, {__mode = 'k'})local function flatten(object, space_format, bucket_id) local fun = cache[space_format] if fun ~= nil then return fun(object, bucket_id) end local lines = {} append(lines, 'local object, bucket_id = ...') append(lines, 'for k in pairs(object) do') append(lines, ' if fieldmap[k] == nil then') append(lines, ' return nil, format(\'Unknown field %%q is specified\', k)') append(lines, ' end') append(lines, 'end') local len = #space_format append(lines, 'local result = {%s}', string.rep('NULL,', len)) local fieldmap = {} for i, field in ipairs(space_format) do fieldmap[field.name] = true if field.name ~= 'bucket_id' then if field.is_nullable ~= true then append(lines, 'if object[%q] == nil then', field.name) append(lines, ' return nil, \'Field %q isn\\\'t nullable\'', field.name) append(lines, 'end') end append(lines, 'result[%d] = object[%q]', i, field.name) else append(lines, 'if bucket_id ~= nil then') append(lines, ' result[%d] = bucket_id', i, field.name) append(lines, 'else') append(lines, ' result[%d] = object[%q]', i, field.name) append(lines, 'end') end end append(lines, 'return result') local code = table.concat(lines, '\n') local env = { pairs = pairs, format = string.format, fieldmap = fieldmap, NULL = box.NULL, } fun = assert(load(code, '@flatten', 't', env)) cache[space_format] = fun return fun(object, bucket_id)endreturn { flatten = flatten,}
Данный код добавляет те же самые проверки, что были и в исходной функции. Кроме этого, я добавил отступы, чтобы такой код было легче читать и отлаживать, хотя интерпретатор их никак не учитывает.
Бенчмарк показал 0.3 секунды.
tarantool init.lua Naive result: 1.109 scode_gen_v1 result: 0.210 scode_gen_v2 result: 0.299 s
Также стоит отметить, что у функции load
появились
дополнительные аргументы, а именно chunkname
название
нашей функции (может быть полезным при отладке), mode
t
мы создаем функцию на основе обычного текста, а не
байткода и env
окружение, доступное внутри нашей
функции. На последний аргумент стоит обратить особое внимание.
Кроме возможности создавать удобные песочницы для выполнения
пользовательского кода (обычно не давать доступа к "опасным"
функциям), данная опция позволяет передавать в глобальное окружение
нужные нам функции и аргументы. В нашем случае это
pairs
, format
, fieldmap
и
NULL
. Отдельно стоит отметить, что load
это функция из Lua 5.2 расширение LuaJIT. Тот, кто работает с
чистым Lua 5.1, может использовать функции loadstring для создания
функции и setfenv для установки окружения у этой функции.
Не обязательно использовать кодогенерацию для каждой функции.
Например, если бы я бы захотел добавить ещё и валидацию типов
полей, то мне бы не потребовалось генерировать функции для проверки
(is_number
, is_string
, ...) их достаточно
просто передать через окружение.
Небольшой пример:
local function is_string(value) return type(value) == 'string'end-- Функции is_string нет в языке Lua,-- но с помощью окружения мы можем добавить в нужные нам функции-- и убрать лишние.local code = [[local value = ...local result = {NULL}if not is_string(value) then error("value is not a string")endresult[1] = valuereturn result]]local fun = load(code, '@test', 't', { error = error, -- Функция is_string будет доступна внутри -- загружаемого нами кода is_string = is_string, NULL = box.NULL,})
Как в будущем всё не сломать
Возникает вопрос, как убедиться в том, что мы генерируем правильный и оптимальный код? При том, что он может занимать несколько сотен или тысяч строк, которые ещё и не особо приспособлены для прочтения человеком. Самый простой и очевидный способ тестирование методом черного ящика: есть набор входных параметров и набор ожидаемых результатов так мы обычно тестируем свой код. Однако из-за ошибки или невнимательности мы легко сможем пропустить ситуацию, когда код проходит такие тесты, но при этом сгенерирован не оптимально какие-то фрагменты кода дублируются, и это не приводит к неверному результату, а просто снижает производительность.
Для того чтобы решить данную проблему, стоит писать проверку сгенерированного текста. Вы сможете один раз проверить корректность вашего кода, а затем смотреть, как именно влияют вносимые вами изменения в генерируемый код. На моей практике применение данного подхода не раз помогало находить проблемы.
Более качественная оценка результатов
В статье я привел не так много результатов тестирования просто сравнил несколько цифр: время выполнения программы до и после. При этом я говорил, что мы уменьшили количество аллокаций и написали код, пригодный для компиляции LuaJIT'ом. Но как это можно проверить, как в этом можно убедиться?
Не хочется превращать статью в гайд о том, как профилировать код на Tarantool. Но всё-таки мы слегка затронем эту тему.
Во-первых, это
memory profiler, который появился в версии 2.7.1 инструмент,
который покажет в каких именно местах и в каких количествах
выделяется/реаллоцируется память. Как по мне, вывод довольно удобен
а в будущем станет ещё удобнее. Воспользовавшись этим инструментом,
можно показать количественную разницу между кодом до и кодом после.
В нашем случае мы получили бы вывод в формате
@<filename>:<function_line>, line <line where
event was detected>: <number of events> <allocated>
<freed>
. Для наглядности напротив некоторых строк я
помещу фрагменты кода, которые находятся на этих строках:
Для кода "до" (naive.lua):
ALLOCATIONSINTERNAL: 39999533600003800@../naive.lua:4, line 26: 10000383840039360 // fieldnames[fieldname] = true@../naive.lua:4, line 7: 1000000640000000 // local tuple = {}@../naive.lua:4, line 9: 1000000640000000 // local fieldnames = {}@../naive.lua:4, line 25: 163840@../naive.lua:4, line 0: 46720REALLOCATIONSINTERNAL: 199998211200056064000288Overrides:@../naive.lua:4, line 0@../naive.lua:4, line 25INTERNAL@../naive.lua:4, line 25: 100002213600123272000704Overrides:@../naive.lua:4, line 25INTERNALDEALLOCATIONSINTERNAL: 59535720784628243Overrides:@../naive.lua:4, line 0@../naive.lua:4, line 25@../naive.lua:4, line 26@../naive.lua:4, line 7@../naive.lua:4, line 9INTERNAL@../naive.lua:4, line 26: 10000220192001584Overrides:@../naive.lua:4, line 26INTERNAL
Для кода "после" (code_gen_v2.lua):
ALLOCATIONS@flatten:0, line 7: 10000001440000000 // local result = {NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,}@../code_gen_v3.lua:7, line 55: 1480REALLOCATIONSINTERNAL: 519843968Overrides:INTERNALDEALLOCATIONSINTERNAL: 9742980140298062Overrides:@flatten:0, line 7
Во-вторых, сам LuaJIT поставляется с профилировщиком
require('jit.p')
Для кода "до":
52% ../naive.lua:11 // for fieldno, field_format in ipairs(space_format) do30% ../naive.lua:26 // fieldnames[fieldname] = true12% ../naive.lua:9 // local fieldnames = {}
Для кода "после":
36% flatten:3 // if fieldmap[k] == nil then36% flatten:7 // local result = {NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,NULL,}11% ../code_gen_v3.lua:9 // выбираем значение из кэша 4% flatten:39 4% flatten:2 4% ../code_gen_v3.lua:8 4% flatten:8 4% ../code_gen_v3.lua:10
А также для тех, кто хочет копнуть совсем глубоко, есть
возможность дампа байткода, который LuaJIT генерирует и выполняет
require('jit.dump')
Заключение
Мы рассмотрели применение кодогенерации при разработке на Tarantool. Это позволило достаточно просто ускорить в 3 раза один из участков кода в реальном проекте патч был принят. При разработке не стоит забывать о специфике платформы. По возможности стоит генерировать код, который будет приводить к выделению минимально возможного количества памяти, а также не использовать медленные функции в нашем случае те, которые не компилируются LuaJIT. Также советую обратить внимание на то, что в проекте CRUD и до этого использовалась кодогенерация. C её помощью создаются быстрые функции для проверки соответствия тапла пользовательским условиям.
Уверен, если вы ещё не используете кодогенерацию в своем проекте, найдутся несколько мест, которые могут быть ускорены применением данного подхода вне зависимости от языка программирования.