Porady: wykonywanie mapowania i zmniejszanie operacji wykonywane równolegle

W tym przykładzie pokazano, jak używać algorytmów concurrency::p arallel_transform i concurrency::p arallel_reduce oraz klasy concurrency::concurrent_unordered_map w celu zliczenia wystąpień wyrazów w plikach.

Operacja mapy stosuje funkcję do każdej wartości w sekwencji. Operacja redukcji łączy elementy sekwencji w jedną wartość. Możesz użyć standardowej biblioteki C++ std::transform i std::accumulate , aby wykonywać operacje mapowania i redukcji. Jednak w celu zwiększenia wydajności wielu problemów można użyć algorytmu parallel_transform do równoległego wykonania operacji mapy i parallel_reduce algorytmu w celu równoległego wykonania operacji redukcji. W niektórych przypadkach można użyć concurrent_unordered_map polecenia , aby wykonać mapę i zmniejszyć w jednej operacji.

Przykład

Poniższy przykład zlicza wystąpienia wyrazów w plikach. Używa metody std::vector do reprezentowania zawartości dwóch plików. Operacja mapy oblicza wystąpienia każdego słowa w każdym wektorze. Operacja redukcji gromadzi liczby wyrazów w obu wektorach.

// 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 {
      L"word1", // 1
      L"word1", // 1
      L"word2",
      L"word3",
      L"word4"
    };

    // File 2 
    vector<wstring> v2 {
      L"word5",
      L"word6",
      L"word7",
      L"word8",
      L"word1" // 3
    };

    vector<vector<wstring>> v { v1, 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, a następnie wklej go w projekcie programu Visual Studio lub wklej go w pliku o nazwie parallel-map-reduce.cpp , a następnie uruchom następujące polecenie w oknie wiersza polecenia programu Visual Studio.

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

Niezawodne programowanie

W tym przykładzie możesz użyć klasy zdefiniowanej concurrent_unordered_map w pliku concurrent_unordered_map.h, aby wykonać mapę i zmniejszyć liczbę operacji.

// File 1 
vector<wstring> v1 {
  L"word1", // 1
  L"word1", // 2
  L"word2",
  L"word3",
  L"word4",
};

// File 2 
vector<wstring> v2 {
  L"word5",
  L"word6",
  L"word7",
  L"word8",
  L"word1", // 3
}; 

vector<vector<wstring>> v { v1, 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 równoległe są tylko zewnętrzne lub wewnętrzne pętle. Zrównaj pętlę wewnętrzną, jeśli masz stosunkowo niewiele plików, a każdy plik zawiera wiele słów. Zrównanie pętli zewnętrznej, jeśli masz stosunkowo wiele plików, a każdy plik zawiera kilka słów.

Zobacz też

Algorytmy równoległe
parallel_transform, funkcja
parallel_reduce, funkcja
concurrent_unordered_map, klasa