Remove graph_lock from the _schema_at hot path
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Refactorización
- Claridad
- Necesita aclaración
- Estado de actividad
- Activo
- Stack tecnológico
- julia
- Área
- performance
Línea de trabajo
Start in src/runtime.jl at _schema_at, then inspect _build_schema_at and the accesses to spec.subschemas and spec.graph_lock. Compare the precomputation and immutable-cache options described in the issue, including their interaction with generated descriptors and concurrent decoders. Done means removing the lock from the lookup hot path without unsafe concurrent Dict reads.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Follow-up from #126, raised in review.
_schema_at (src/runtime.jl) now caches subschema views in spec.subschemas, guarded by spec.graph_lock:
cached = lock(() -> get(spec.subschemas, key, nothing), spec.graph_lock)
cached === nothing || return cached
schema = _build_schema_at(spec, descriptor, direction)
lock(() -> (spec.subschemas[key] = schema), spec.graph_lock)
Every lookup takes the lock once, and the first lookup of a key takes it twice. Before #126 this path was lock-free once the graph existed, but it rebuilt the view on every call. Uncontended, the lock costs about 200 ns per call. Under multi-threaded decoding it serializes lookups.
The lock is required: subschemas is a plain Dict written by concurrent decoders, so the read cannot simply drop it.
Options:
- Precompute views for all known descriptors when the graph is built. Descriptors are per-call-site constants in generated code, so this needs codegen to register them.
- Keep an immutable cache and swap it atomically on miss. Reads become lock-free, and a miss copies the cache.
- Lenguaje dominante
- Julia
- Estrellas
- 56
- Forks
- 16
- Merge medio
- 1 d 51 min
- PR fusionados (30 d)
- 12
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de JuliaComputing/OpenAPI.jl
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
JuliaComputing/OpenAPI.jl#118 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 3/5 1-2 días Aptitud para principiantes 68/100
JuliaComputing/OpenAPI.jl#117 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
JuliaComputing/OpenAPI.jl#113 ·
Los mantenedores suelen responder en 1 día
-
stale
Dificultad 3/5 1-2 días Aptitud para principiantes 48/100
JuliaComputing/OpenAPI.jl#87 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
stale
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
JuliaComputing/OpenAPI.jl#73 · 4 comentarios ·
Los mantenedores suelen responder en 1 día
Todos los issues de JuliaComputing/OpenAPI.jl
Issues similares
-
`enzymexla.linalg.lu` lowering fails for a tall matrix: the permutation is built with the pivot typeAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
EnzymeAD/Enzyme-JAX#3286 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 90/100
SciML/LinearSolve.jl#1359 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
EnzymeAD/ReactantNitro.jl#13 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día