fanlusky
80b1fc42a1
词格原先的整句打分是一份没校准过的启发式 unigram，质量很差。这里内嵌 libime 在用的 kenlm 查询子集，改由它的三元模型 sc.lm 来打路径分。 - engine/ngram 只编 kenlm 的 query / trie-build 路径。不定义 WITH_THREADS， parallel_read.cc 因此退化成串行实现，整个子集零 Boost 依赖。 KENLM_MAX_ORDER=3 必须与建模阶数一致，改它等于读不懂已发布的模型文件。 - ngram::LanguageModel 是唯一 include kenlm 头文件的地方，对外只给出一个纯 std 的头，_HAS_AUTO_PTR_ETC 和 kenlm 的 include 目录都保持 PRIVATE。 - shared_language_model 按资源路径共享一份 mmap。kenlm 的查询是只读的且把 上下文放在调用方的 State 里，所以并发会话不需要额外加锁。 - 模型缺失时 valid() 为假，词格退回原来的启发式打分：整句候选只是变差，不会 停止工作。测试覆盖了缺模型降级与按路径共享。 - 出货的 ARPA 不带 <s>/</s>，所以解码从 null_state() 起算而非 begin_state()。 kenlm 是上游副本，不重排版、不进 clang-format，其 LGPL-2.1+ 与 BSD 例外清单 已补进 THIRD_PARTY_NOTICES.txt。googlepinyinime 那条 Fallback 整句路径不变。
70 lines
1.5 KiB
C++
70 lines
1.5 KiB
C++
#include "parallel_read.hh"
|
|
|
|
#include "file.hh"
|
|
|
|
#ifdef WITH_THREADS
|
|
#include "thread_pool.hh"
|
|
|
|
namespace util {
|
|
namespace {
|
|
|
|
class Reader {
|
|
public:
|
|
explicit Reader(int fd) : fd_(fd) {}
|
|
|
|
struct Request {
|
|
void *to;
|
|
std::size_t size;
|
|
uint64_t offset;
|
|
|
|
bool operator==(const Request &other) const {
|
|
return (to == other.to) && (size == other.size) && (offset == other.offset);
|
|
}
|
|
};
|
|
|
|
void operator()(const Request &request) {
|
|
util::ErsatzPRead(fd_, request.to, request.size, request.offset);
|
|
}
|
|
|
|
private:
|
|
int fd_;
|
|
};
|
|
|
|
} // namespace
|
|
|
|
void ParallelRead(int fd, void *to, std::size_t amount, uint64_t offset) {
|
|
Reader::Request poison;
|
|
poison.to = NULL;
|
|
poison.size = 0;
|
|
poison.offset = 0;
|
|
unsigned threads = boost::thread::hardware_concurrency();
|
|
if (!threads) threads = 2;
|
|
ThreadPool<Reader> pool(2 /* don't need much of a queue */, threads, fd, poison);
|
|
const std::size_t kBatch = 1ULL << 25; // 32 MB
|
|
Reader::Request request;
|
|
request.to = to;
|
|
request.size = kBatch;
|
|
request.offset = offset;
|
|
for (; amount > kBatch; amount -= kBatch) {
|
|
pool.Produce(request);
|
|
request.to = reinterpret_cast<uint8_t*>(request.to) + kBatch;
|
|
request.offset += kBatch;
|
|
}
|
|
request.size = amount;
|
|
if (request.size) {
|
|
pool.Produce(request);
|
|
}
|
|
}
|
|
|
|
} // namespace util
|
|
|
|
#else // WITH_THREADS
|
|
|
|
namespace util {
|
|
void ParallelRead(int fd, void *to, std::size_t amount, uint64_t offset) {
|
|
util::ErsatzPRead(fd, to, amount, offset);
|
|
}
|
|
} // namespace util
|
|
|
|
#endif
|