函数式语言如何表示内存中的代数数据类型？

Question

如果您在Haskell中编写生物信息学算法，您可能会使用代数数据类型来表示核苷酸：

data Nucleotide = A | T | C | G

你会在标准ML或OCaml中做同样的事情，我认为（我从未真正使用过）。

类型Nucleotide的值可以清楚地包含在两位中。但是，这样做会导致访问时间比每个Nucleotide值使用一个字节要慢，因为您需要使用二元运算符选择两个感兴趣的位。

因此，在决定如何表示代数数据类型时，编译器必须在内存效率和计算效率之间进行固有的权衡。此外，由于值可以是可变大小的事实，因此代数数据类型在内存中的表示变得更加复杂：

data Maybe a = Just a | Nothing

显然，Maybe a形式的Just a值在逻辑上大于Nothing形式的值。在这样一个极端的例子中：

data Hulk a b c d e = Big a b c d e | Little

您绝对不希望存储Little值空指针或Big值中包含的五个值的零值。我假设你只是使用堆分配的可变大小的内存，在开头有一个构造函数ID（例如0为Big而1为{{1} }}）。但是，如果要在堆栈上存储Little值（更快的表示），则必须将空白内存与Hulk值一起存储，以便{{1}类型的所有值都存储是相同的大小。另一个权衡。

Simon Marlow在previous StackOverflow question回答了关于GHC的一般性问题。但是，我有三个相关的问题仍然没有答案：

• 标准ML（SML / NJ和MLton）和OCaml使用相同的技术吗？
• 如果是这样，这些语言（或他们的兄弟姐妹）的任何不太常见的编译器是否会尝试其他技术？
• 在这些语言中是否有一种相当简单的方法（理想情况下是一个pragma或选项标志）来使用更高效的内存表示，比如Little的两位表示？这种记忆效率对于许多生物信息学应用是必要的;如果每个Hulk必须是一个字节，那么高性能的生物信息学算法就不得不求助于手工操作。

Answer 1

没有一个答案：数据类型是抽象结构，可以由实施者自行决定以各种方式实现。在实践中，诸如单独编译之类的考虑往往会在某种程度上限制事物。

对于将仅包含nullary构造函数的数据类型打包到尽可能少的特定情况，您可以继续将函数从数据类型定义为小整数并返回。由抽象类型（或在Haskell中，newtype）隐藏的整数类型也是一个合理的选择。将小整数打包并打包成您正在使用的任何聚合形式将是您的工作。

顺便说一句，Real World OCaml对OCaml值的表示有a very nice chapter（粗略总结：就此问题而言，与GHC没有太大差别）。