簡單幾行程式碼輕鬆實現大文字平行計算

bubblegum發表於2020-05-12

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 。


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69957599/viewspace-2691434/,如需轉載,請註明出處,否則將追究法律責任。

相關文章