Porady: wykonywanie mapowania i zmniejszanie operacji wykonywane równolegle
W tym przykładzie przedstawiono sposób użycia concurrency::parallel_transform i concurrency::parallel_reduce algorytmów i concurrency::concurrent_unordered_map klasy zliczania wystąpień słów w plikach.
A mapy operacja dotyczy funkcji każdej wartości w sekwencji.A zmniejszenia operacji łączy w sobie elementy sekwencji do jednej wartości.Można użyć standardowego szablonu biblioteki (STL) std::transformstd::accumulate klasy do wykonywania mapę i zmniejszyć operacji.Jednak, aby zwiększyć wydajność dla wielu problemów, można użyć parallel_transform algorytm do wykonania operacji mapę równolegle i parallel_reduce algorytm do wykonania operacji Zmniejsz równolegle.W niektórych przypadkach można użyć concurrent_unordered_map do wykonywania map i zmniejsz w jednej operacji.
Przykład
Poniższy przykład zlicza wystąpienia słowa w plikach.Używa on std::vector do reprezentowania zawartość dwóch plików.Operacja mapę oblicza wystąpień każdego wyrazu w każdej vector.Operacja Zmniejsz sumuje liczenie słów w obydwu kierunków.
// parallel-map-reduce.cpp
// compile with: /EHsc
#include <ppl.h>
#include <algorithm>
#include <iostream>
#include <string>
#include <vector>
#include <numeric>
#include <unordered_map>
#include <windows.h>
using namespace concurrency;
using namespace std;
class MapFunc
{
public:
unordered_map<wstring, size_t> operator()(vector<wstring>& elements) const
{
unordered_map<wstring, size_t> m;
for_each(begin(elements), end(elements), [&m](const wstring& elem)
{
m[elem]++;
});
return m;
}
};
struct ReduceFunc : binary_function<unordered_map<wstring, size_t>,
unordered_map<wstring, size_t>, unordered_map<wstring, size_t>>
{
unordered_map<wstring, size_t> operator() (
const unordered_map<wstring, size_t>& x,
const unordered_map<wstring, size_t>& y) const
{
unordered_map<wstring, size_t> ret(x);
for_each(begin(y), end(y), [&ret](const pair<wstring, size_t>& pr) {
auto key = pr.first;
auto val = pr.second;
ret[key] += val;
});
return ret;
}
};
int wmain()
{
// File 1
vector<wstring> v1;
v1.push_back(L"word1"); //1
v1.push_back(L"word1"); //2
v1.push_back(L"word2");
v1.push_back(L"word3");
v1.push_back(L"word4");
// File 2
vector<wstring> v2;
v2.push_back(L"word5");
v2.push_back(L"word6");
v2.push_back(L"word7");
v2.push_back(L"word8");
v2.push_back(L"word1"); //3
vector<vector<wstring>> v;
v.push_back(v1);
v.push_back(v2);
vector<unordered_map<wstring, size_t>> map(v.size());
// The Map operation
parallel_transform(begin(v), end(v), begin(map), MapFunc());
// The Reduce operation
unordered_map<wstring, size_t> result = parallel_reduce(
begin(map), end(map), unordered_map<wstring, size_t>(), ReduceFunc());
wcout << L"\"word1\" occurs " << result.at(L"word1") << L" times. " << endl;
}
/* Output:
"word1" occurs 3 times.
*/
Kompilowanie kodu
Aby skompilować kod, skopiuj go i następnie wkleić go w projekcie programu Visual Studio lub wkleić go w pliku o nazwie równolegle z mapy reduce.cpp , a następnie uruchom następujące polecenie w oknie wiersza polecenia usługi programu Visual Studio.
cl.exe /EHsc parallel-map-reduce.cpp
Stabilne programowanie
W tym przykładzie, można użyć concurrent_unordered_map klasy — który jest zdefiniowany w concurrent_unordered_map.h—to wykonać mapy i zmniejszenia w jednej operacji.
// File 1
vector<wstring> v1;
v1.push_back(L"word1"); //1
v1.push_back(L"word1"); //2
v1.push_back(L"word2");
v1.push_back(L"word3");
v1.push_back(L"word4");
// File 2
vector<wstring> v2;
v2.push_back(L"word5");
v2.push_back(L"word6");
v2.push_back(L"word7");
v2.push_back(L"word8");
v2.push_back(L"word1"); //3
vector<vector<wstring>> v;
v.push_back(v1);
v.push_back(v2);
concurrent_unordered_map<wstring, size_t> result;
for_each(begin(v), end(v), [&result](const vector<wstring>& words) {
parallel_for_each(begin(words), end(words), [&result](const wstring& word) {
InterlockedIncrement(&result[word]);
});
});
wcout << L"\"word1\" occurs " << result.at(L"word1") << L" times. " << endl;
/* Output:
"word1" occurs 3 times.
*/
Zazwyczaj zrównoleglenia tylko zewnętrzna lub wewnętrzna pętla.Jeśli pliki stosunkowo niewiele i każdy plik zawiera wiele wyrazów, zrównoleglenia pętli.Zrównoleglenia zewnętrznej pętli, jeśli mają stosunkowo wiele plików, a każdy plik zawiera kilka wyrazów.
Zobacz też
Informacje
concurrent_unordered_map — Klasa