Disclaimer: This is an old article and the information might be out-dated.

Dans le cadre d’un projet personnel j’en suis venu à réaliser un lexer avec l’excellent Ocamllex. Afin de matcher les mots clés du langage source (le langage Python), deux solutions se sont offertes à moi afin d’associer un token à chaque string représentant un mot clé :

1. Utiliser une Hashtable dans laquelle chaque entrée (clé, valeur) représente un mot clé et son token associé.
2. Utiliser le pattern matching où chaque entrée correspond à un token.

Les deux solutions ayant une « verbosité » équivalente (j’ai tout de même une légère préférence pour le pattern matching, que je trouve un peu plus lisible), je me suis demandé si les performances étaient équivalentes. J’ai donc réalisé un petit benchmark afin de comparer les deux solutions.

Les deux méthodes ont donc été testées avec une entrée de 3.000.000 de chaines de caractères contenant, à fréquences d’apparition égales, tous les mots clés possibles ainsi que des mots-clés non existants.

Le programme a été compilé sans flag d’optimisation particulier. La machine de test était équipée d’un processeur Atom 1,2 Ghz et 1 Go de mémoire vive. Voici le résultat:

• Hashtable : 1,259 secondes.
• Pattern-matching : 2,265 secondes.

Victoire pour les Hashtables. Dommage que le compilateur n’optimise pas le pattern-matching en Hash table lorsque c’est possible.