大文字平行計算實現方式

對於大檔案的處理，可以充分利用現代計算機的多核CPU，實施多執行緒平行計算，從而達到提速的目的。然而，要在程式語言中編寫多執行緒並行程式，並不是一件容易的事。

要並行處理就需要將原始檔分段，每個執行緒處理其中一段。文字檔案一般是每一行對應一條記錄，每一行長度不一定相同。所以，不能按行數分段，因為每次都從頭遍歷，起不到提高效能的目標；若按位元組分段則不需要遍歷，但有可能分段點正好落在行的中間，造成一行被拆進兩段，導致資料錯誤。有效的解決辦法是採用自動去頭補尾的位元組分段機制，即分段開始點所在的行被捨棄，分段結束點所在的行會被補齊，這樣將確保每一段都由完整的行構成，不會有資料錯誤。另外，還有執行緒的管理和控制等問題，如果管理不當，則會出現越界的情況。

如果有集算器SPL就簡單多了，它對多執行緒平行計算進行了封裝，程式碼寫起來不僅更短而且更容易理解，這樣在獲得高效能的同時，讓程式設計師把注意力更多地放在計算的整體邏輯上，而不必糾纏於為了提高效能而採用的並行細節。用集算器SPL寫出平行計算程式碼：

	A	B	C
1	=file(“data.txt”)		/原始檔
2	fork 4	=A1.cursor@t(amount;A2:4)	/分作4段並行，分別建立遊標
3		=B2.groups(;sum(amount):am)	/遍歷遊標計算amount之和
4	=A2.conj().sum(am)		/彙總每個執行緒的結果

文字解析的時間經常比計算要長得多，有時候只要解析能夠並行，計算本身是否並行並不重要。所以SPL對於讀取資料提供了簡單的內建並行選項，如果對資料讀取次序不關心，比如分組、求和運算就不在乎次序，可以更簡單地寫出程式碼：

	A	B
1	=file("orders.txt").cursor@mt()	/@m選項將自動根據系統配置決定並行的執行緒數量
2	=A1.select(month(Date)==10)	/過濾
3	=A2.groups(ID;sum(COST*WEIGHT):VALUE)	/分組、彙總（序列）

其實還有很多場景需要處理大文字計算，直接用集算器SPL處理會很簡單，感興趣可以參考：

集算器也是進行檔案資料來源處理的專業工具，可以方便地進行 TXT、Excel、Xml、Json、CSV、ini 等各種檔案資料的混合計算、入庫以及匯出等工作。桌面級計算工具，即裝即用，配置簡單，除錯功能完善，可設定斷點、單步執行，每步執行結果都可檢視。語法簡單，符合人的自然思維，比其他高階開發語言更簡單。請參閱：

集算器還很容易嵌入到Java應用程式中， 有使用和獲得它的方法。

關於集算器安裝使用、獲得免費授權和相關技術資料，可以參見 。