TPL 数据流块消耗所有可用内存

Question

我有一个 TransformManyBlock 设计如下：

输入：文件路径
输出：IEnumerable 文件内容，一次一行

我运行这个块在一个巨大的文件 (61GB) 上，它太大而无法放入 RAM。为了避免无限制的内存增长，我已将此块和所有下游块的 BoundedCapacity 设置为一个非常低的值（例如 1）。尽管如此，该块显然贪婪地迭代了 IEnumerable，这消耗了计算机上的所有可用内存，使每个进程都停止了。块的 OutputCount 继续无限上升，直到我终止进程。

我能做些什么来防止块以这种方式消耗 IEnumerable？

编辑：这是一个说明问题的示例程序：

using System;
using System.Collections.Generic;
using System.Linq;
using System.Threading;
using System.Threading.Tasks;
using System.Threading.Tasks.Dataflow;

class Program
{
    static IEnumerable<string> GetSequence(char c)
    {
        for (var i = 0; i < 1024 * 1024; ++i)
            yield return new string(c, 1024 * 1024);
    }

    static void Main(string[] args)
    {
        var options = new ExecutionDataflowBlockOptions() { BoundedCapacity = 1 };
        var firstBlock = new TransformManyBlock<char, string>(c => GetSequence(c), options);
        var secondBlock = new ActionBlock<string>(str =>
            {
                Console.WriteLine(str.Substring(0, 10));
                Thread.Sleep(1000);
            }, options);

        firstBlock.LinkTo(secondBlock);
        firstBlock.Completion.ContinueWith(task =>
            {
                if (task.IsFaulted) ((IDataflowBlock) secondBlock).Fault(task.Exception);
                else secondBlock.Complete();
            });

        firstBlock.Post('A');
        firstBlock.Complete();
        for (; ; )
        {
            Console.WriteLine("OutputCount: {0}", firstBlock.OutputCount);
            Thread.Sleep(3000);
        }
    }
}

如果您使用的是 64 位机器，请务必清除 Visual Studio 中的 "Prefer 32-bit" 选项。我的计算机上有 16GB 的 RAM，这个程序会立即消耗所有可用字节。

Answer 1

您似乎误解了 TPL 数据流的工作原理。

BoundedCapacity 限制了您可以 post 放入块中的项目数量。在您的情况下，这意味着单个 char 进入 TransformManyBlock 和单个 string 进入 ActionBlock.

所以你 post 一个项目到 TransformManyBlock 然后 returns 1024*1024 字符串并尝试将它们传递给 ActionBlock 这将一次只接受一个。其余的字符串将位于 TransformManyBlock 的输出队列中。

您可能想要做的是在达到容量时通过等待（同步或其他方式）以流方式创建一个块和 post 个项目：

private static void Main()
{
    MainAsync().Wait();
}

private static async Task MainAsync()
{
    var block = new ActionBlock<string>(async item =>
    {
        Console.WriteLine(item.Substring(0, 10));
        await Task.Delay(1000);
    }, new ExecutionDataflowBlockOptions { BoundedCapacity = 1 });

    foreach (var item in GetSequence('A'))
    {
        await block.SendAsync(item);
    }

    block.Complete();
    await block.Completion;
}

Answer 2

如果管道的输出比率低于 post 比率，消息将在管道上累积，直到内存耗尽或达到某个队列限制。如果消息的大小很大，进程很快就会耗尽内存。

如果队列已经有一条消息，将BoundedCapacity设置为1将导致消息被队列拒绝。例如，在批处理等情况下，这不是期望的行为。检查此 post 以获得见解。

这个工作测试说明了我的观点：

//Change BoundedCapacity to +1 to see it fail
[TestMethod]
public void Whosebug()
{      
    var total = 1000;
    var processed = 0;
    var block = new ActionBlock<int>(
       (messageUnit) =>
       {
           Thread.Sleep(10);
           Trace.WriteLine($"{messageUnit}");
           processed++;
       },
        new ExecutionDataflowBlockOptions() { BoundedCapacity = -1 } 
   );

    for (int i = 0; i < total; i++)
    {
        var result = block.SendAsync(i);
        Assert.IsTrue(result.IsCompleted, $"failed for {i}");
    }

    block.Complete();
    block.Completion.Wait();

    Assert.AreEqual(total, processed);
}

所以我的方法是限制post，所以管道不会在队列中积累太多消息。

下面是一个简单的方法。这样数据流会一直全速处理消息，但不会累积消息，这样可以避免过多的内存消耗。

//Should be adjusted for specific use.
public void postAssync(Message message)
{

    while (totalPending = block1.InputCount + ... + blockn.InputCount> 100)
    {
        Thread.Sleep(200);
        //Note: if allocating huge quantities for of memory for each message the Garbage collector may keep up with the pace. 
        //This is the perfect place to force garbage collector to release memory.

    }
    block1.SendAssync(message)
}

Answer 3

似乎要创建一个输出有界的TransformManyBlock，需要三个内部块：

A TransformBlock 接收输入并产生 IEnumerables，运行可能并行。
一个非并行 ActionBlock，枚举生成的 IEnumerable，并传播最终结果。
A BufferBlock 存储最终结果的地方，尊重理想的 BoundedCapacity。

稍微棘手的部分是如何传播第二个块的完成，因为它没有直接链接到第三个块。下面的实现中，方法PropagateCompletion是根据库的source code写的

public static IPropagatorBlock<TInput, TOutput>
    CreateOutputBoundedTransformManyBlock<TInput, TOutput>(
    Func<TInput, Task<IEnumerable<TOutput>>> transform,
    ExecutionDataflowBlockOptions dataflowBlockOptions)
{
    if (transform == null) throw new ArgumentNullException(nameof(transform));
    if (dataflowBlockOptions == null)
        throw new ArgumentNullException(nameof(dataflowBlockOptions));

    var input = new TransformBlock<TInput, IEnumerable<TOutput>>(transform,
        dataflowBlockOptions);
    var output = new BufferBlock<TOutput>(dataflowBlockOptions);
    var middle = new ActionBlock<IEnumerable<TOutput>>(async results =>
    {
        if (results == null) return;
        foreach (var result in results)
        {
            var accepted = await output.SendAsync(result).ConfigureAwait(false);
            if (!accepted) break; // If one is rejected, the rest will be rejected too
        }
    }, new ExecutionDataflowBlockOptions()
    {
        MaxDegreeOfParallelism = 1,
        BoundedCapacity = dataflowBlockOptions.MaxDegreeOfParallelism,
        CancellationToken = dataflowBlockOptions.CancellationToken,
        SingleProducerConstrained = true,
    });

    input.LinkTo(middle, new DataflowLinkOptions() { PropagateCompletion = true });
    PropagateCompletion(middle, output);

    return DataflowBlock.Encapsulate(input, output);

    async void PropagateCompletion(IDataflowBlock source, IDataflowBlock target)
    {
        try
        {
            await source.Completion.ConfigureAwait(false);
        }
        catch { }

        var exception = source.Completion.IsFaulted ? source.Completion.Exception : null;
        if (exception != null) target.Fault(exception); else target.Complete();
    }
}

// Overload with synchronous delegate
public static IPropagatorBlock<TInput, TOutput>
    CreateOutputBoundedTransformManyBlock<TInput, TOutput>(
    Func<TInput, IEnumerable<TOutput>> transform,
    ExecutionDataflowBlockOptions dataflowBlockOptions)
{
    return CreateOutputBoundedTransformManyBlock<TInput, TOutput>(
        item => Task.FromResult(transform(item)), dataflowBlockOptions);
}

用法示例：

var firstBlock = CreateOutputBoundedTransformManyBlock<char, string>(
    c => GetSequence(c), options);

TPL 数据流块消耗所有可用内存

TPL Dataflow block consumes all available memory

c#

.net

task-parallel-library

dataflow

tpl-dataflow