Postupy: Paralelní provádění operací mapování a redukce

Článek
06/09/2015

Tento příklad ukazuje použití concurrency::parallel_transform a concurrency::parallel_reduce algoritmy a concurrency::concurrent_unordered_map třídy k určení počtu výskytů slova soubory.

A mapy operace se týká funkci každé hodnoty v posloupnosti.A snížit operace kombinuje prvky sekvenci do jedné hodnoty.Můžete použít standardní šablonu knihovny (STL) std::transform std::accumulate třídy provádět mapování a snížit operací.Chcete-li zvýšit výkon mnohé problémy, můžete použít parallel_transform algoritmus souběžně provést operaci mapy a parallel_reduce algoritmus paralelně provádět operace snížit.V některých případech použít concurrent_unordered_map v jedné operaci provádět mapování a snížit.

Příklad

Následující příklad počet výskytů slova soubory.Používá std::vector představující obsah dvou souborů.Mapa operace počítá výskyty každého slova každý vektor.Operace snížit počty word nashromáždí přes oba vektory.

// 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.
*/

Probíhá kompilace kódu

Chcete-li sestavit kód ji zkopírovat a vložit do projektu Visual Studio nebo vložit do souboru s názvem paralelní mapa reduce.cpp a spusťte následující příkaz v okně příkazového řádku Visual Studio.

cl.exe /EHsc parallel-map-reduce.cpp

Robustní programování

V tomto příkladu použijte concurrent_unordered_map třídy, která je definována ve concurrent_unordered_map.h—to provedení mapy a snížit v jedné operaci.

// 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.
*/

Obvykle se parallelize pouze vnější nebo vnitřní smyčku.Pokud máte soubory relativně málo a každý soubor obsahuje mnoho slov, parallelize vnitřní smyčku.Vnější smyčka parallelize máte poměrně mnoho souborů a každý soubor obsahuje několik slov.

Viz také

Referenční dokumentace

parallel_transform – funkce

parallel_reduce – funkce

concurrent_unordered_map – třída

Koncepty

Paralelní algoritmy

Sdílet prostřednictvím