进行往返时的Scala`.sum`性能

Question

我有一个非常简单的代码

  val things: Seq[Long] = (1L to 100000000L)
  val start: Long = System.nanoTime()
  val result = things.sum
  val end: Long = System.nanoTime()
  println(end-start)

它打印出1790900大约 2ms​​ 之类的东西。

然而，当我介绍我的案例类时

case class Thing(foo: Long) extends AnyVal

这似乎改变了一切。你不相信我？只是看。我会将我的 long 序列映射到Things 并返回到 long 序列：

  val things: Seq[Long] = (1L to 100000000L).map(i => Thing(i)).map(t => t.foo)
  val start: Long = System.nanoTime()
  val result = things.sum
  val end: Long = System.nanoTime()
  println(end-start)

现在基准的顺序是1058361600。

这怎么可能？

什么时候

Answer 1

首先，在第一次运行时您不会获得合理的计时信息，您需要运行几次以便 JIT 编译器优化代码。

但这里的问题是它Range是惰性的，(1L to 100000000L)只是记录了开始和结束值，它没有分配一个包含 100000000 个元素的向量。所以当你调用 的时候sum，Range只是依次传递每个数字相加直接计算值**。

第二个版本确实创建了一个巨大的Long值列表，然后将它们相加，这将会非常非常慢。

** 感谢 Jörg Mittag 的提示，该提示Range具有sum.