Como realizar operações de mapa e redução em paralelo
Este exemplo mostra como usar os algoritmos de concurrency::parallel_transform e de concurrency::parallel_reduce e a classe de concurrency::concurrent_unordered_map contar as ocorrências das palavras nos arquivos.
Uma operação de mapa aplica uma função a cada valor em uma sequência. Uma operação de redução combina os elementos de uma sequência em um valor. Você pode usar as classes padrão de std::transform (STL) std::accumulate da biblioteca do modelo para executar o mapa e reduzir as operações. No entanto, para melhorar o desempenho para muitos problemas, você pode usar o algoritmo de parallel_transform para ser executados em paralelo a operação de mapa e o algoritmo de parallel_reduce para ser executados em paralelo a operação de redução. Em alguns casos, você pode usar concurrent_unordered_map para executar o mapa e a diminuição em uma operação.
Exemplo
O exemplo a seguir conta ocorrências do word nos arquivos. Usa std::vector para representar o conteúdo de dois arquivos. A operação do mapa computa as ocorrências de cada palavra em cada vetor. A operação de redução acumula os números de palavras por meio de ambos os vetores.
// 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.
*/
Compilando o código
Para compilar o código, copie-a e cole-o em um projeto do Visual Studio, ou cole-o em um arquivo chamado parallel-map-reduce.cpp e execute o comando a seguir em uma janela de prompt de comando do Visual Studio.
cl.exe /EHsc parallel-map-reduce.cpp
Programação robusta
Neste exemplo, você pode usar classe concurrent_unordered_map que é definido em concurrent_unordered_map.h-to executa o mapa e reduz em uma operação.
// 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.
*/
Normalmente, você parallelize somente o loop externo ou interno. Parallelize o loop interno se você tiver relativamente poucos arquivos e cada arquivo contém muitas palavras. Parallelize o loop externo se você tiver relativamente muitos arquivos e cada arquivo contém poucas palavras.
Consulte também
Referência
Classe concurrent_unordered_map