本文翻译自 Improving the performance of an ANTLR parser,主要介绍了 Antlr 解析性能优化相关的经验,文中也增加了笔者个人的理解,期望对广大 Antlr 用户有所帮助。
前言
很多人问我们如何提高解析器的性能,有时解析器是用一些旧库完成的,有时解析器是用 ANTLR 创建的。在本文中,我们提供了一些关于提高 ANTLR 解析器性能的建议。
首先,我们需要声明一下:如果想要绝对最佳的性能,你可能需要选择自定义解析器。你将会花费十倍的维护成本,并且效率会降低,但你将获得最佳的性能。这就是 C# 或 Java 等语言的官方解析器的构建方式。在这些情况下,自定义解析器是有意义的,但在绝大多数情况下,它没有意义。使用 ANTLR 或其他解析器生成器比手动编写自定义解析器要高效得多。此外,除非你有构建自定义解析器的经验,否则你的性能可能也会更差。
你还应该检查问题是否确实出在解析器上,而不是解析后执行的操作。在大多数应用程序中,解析只是程序所做工作的一小部分。毕竟,你不想只解析一些代码,而是希望利用解析获得的信息做一些事情。
现在这个问题已经解决了,让我们看看如何改进你的 ANTLR 解析器。
ANTLR 运行时有所不同
只需要一个 ANTLR 工具就可以为所有支持的目标语言生成解析器。但是,每种支持的语言都需要不同的运行时。
每个运行时都会有不同的性能和潜在问题。运行时通常会遵循其各自语言的性能特征。例如,Python 运行时通常比 C# 运行时慢。根据运行时的成熟度,也有一些例外。例如,新的运行时的性能可能低于其可能的性能,因为它仍未针对性能进行优化。
你可以在官方文档中看到受支持目标的更新列表:运行时库和代码生成目标。
这意味着如果你遇到性能问题,更改运行时的目标语言可能会很有用。例如,你可以用 C++ 而不是 Python 生成解析器。这并不意味着你必须用另一种语言重写整个程序。解析器主要用于将代码转换为其他内容的管道中。解析器本身将生成解析树。然后可以将其转换为抽象语法树并由你的应用程序使用。我们为客户使用的常见策略是:
- 我们用 Java 创建解析器,将解析树转换为 AST,然后输出 JSON 或 XML 文件;
- 然后客户端应用程序将以他们喜欢的任何语言使用此文件;
这使我们能够确保获得的一定级别的性能,这些性能在 Python 中可能无法达到,并且它还允许客户端在自己的代码中继续使用 Python,这些代码会为了某些目标而消费 AST 结果。
一些示例数字
TODO
欢迎关注
欢迎关注「端小强的博客」微信公众号,会不定期分享日常学习和工作经验,欢迎大家关注交流。