[pgsql-jp: 35219] Re: EUC-SJIS変換の改善について
Tatsuo Ishii
t-ishii @ sra.co.jp
2005年 4月 9日 (土) 19:34:51 JST
石井です.
> 小川と申します。
>
> internalな話題ですが,日本語処理の話題なので日本語で議論できればと
> 思い,投稿させていただきます。
> (PostgreSQLのしくみ分科会へも投稿したので、重複して受信したかたは
> ご容赦ください)
>
> encodingがEUCのデータベースに対して,WindowsなどのSJISクライアントから
> 多量のデータを検索したとき,文字コードの変換処理がボトルネックになることが
> あります。
> そこで,EUC->SJIS変換の効率を改善するパッチを作成してみました。
> このパッチが新たなバグを作り出していないか?,もっと速くできないか?など
> ご意見お待ちしています。
[中略]
> (1)mic2sjisのループ内部で,pg_mic_mblenを実行しないようにした
> オリジナルのコードでは,1文字ごとにpg_mic_mblenを実行して残りの文字の
> 長さを計算しています。さらに,pg_mic_mblenはpg_mule_mblenを実行します。
> このため,pg_mic_mblen/pg_mule_mblenの実行回数が多くなっています。
>
> while (len >= 0 && (c1 = *mic))
> {
> len -= pg_mic_mblen(mic++);
>
> これを以下のようにすることで,ループ内部でpg_mic_mblenを実行する必要が
> なくなります。
>
> unsigned char *mic_end = mic + len;
>
> while (mic <= mic_end && (c1 = *mic))
> {
> mic++;
たしかに!
> (2)mic2sjisでSJISに変換できない文字が現れたとき,micポインタの指す位置が
> 正しくならないときがあるのではないか?
>
> else if (c1 > 0x7f)
> {
> /* cannot convert to SJIS! */
> *p++ = PGSJISALTCODE >> 8;
> *p++ = PGSJISALTCODE & 0xff;
>
> ここでは現在の文字のバイト数を考慮していないため,micが次の文字を指して
> いることを保証できないと思います。
> そこで,micの位置を調節するために以下のコードを追加しました。
>
> /*
> * Adjust a mic pointer. Because can't guarantee mic points
> * next char here.
> */
> mic--;
> mic += pg_mic_mblen(mic);
ここはちょっと疑問.というのはそもそもこのケースではpg_mic_mblen(mic)
は必ず1を返すので,これではmicが先に進まなくなるのではないでしょうか?
> 効果の測定(1): patch適用後のprofile結果
> Each sample counts as 0.01 seconds.
> % cumulative self self total
> time seconds seconds calls ms/call ms/call name
> 11.46 0.11 0.11 400008 0.00 0.00 euc_jp2mic
> 10.42 0.21 0.10 1301673 0.00 0.00 AllocSetAlloc
> 6.25 0.27 0.06 1300705 0.00 0.00 AllocSetFree
> 6.25 0.33 0.06 400000 0.00 0.00 FunctionCall3
> 6.25 0.39 0.06 100000 0.00 0.00 slot_deform_tuple
> 5.21 0.44 0.05 400008 0.00 0.00 euc_jp_to_sjis
> 4.17 0.48 0.04 900051 0.00 0.00 appendBinaryStringInfo
>
> 長い実行時間を占めていたpg_mule_mblenやpg_mic_mblenがいなくなり,
> ボトルネックがeuc_jp2micへ移動したことが分かります。
>
>
> 効果の測定(2): 実行時間の測定
> profileオプションを外して(-O2のみにする),postgresをリビルドしてから
> 以下のコマンドで実行時間を測定。
>
> $ time psql -f test.sql -o /dev/null
>
> -- patch適用前
> real 0m2.964s
> user 0m0.850s
> sys 0m0.110s
>
> -- patch適用後
> real 0m2.639s
> user 0m0.820s
> sys 0m0.060s
>
> 実行時間(real)が約10%程,短縮できています。
10%の短縮とは素晴らしい.良かったらこれをcurrentにコミットさせてくださ
い.
# もしgenerate_series()を使ってDBアクセスをしないようにすれば,もっと
# はっきり効果が観測できるかも.
> 今回作成したpatch fileやprofile取得のメモなどは、以下のURLにおいて
> ありますので興味のある方はご参照ください。
>
> http://www.hi-ho.ne.jp/a_ogawa/memo/pg/euc_jp_and_sjis/
--
Tatsuo Ishii
pgsql-jp メーリングリストの案内