使用Go搭建並行排序處理管道筆記

来源:https://www.cnblogs.com/jn-shao/archive/2022/05/09/16248109.html
-Advertisement-
Play Games

一、並行管道搭建： 總結下實現思路： 歸併排序：進行集合元素排序（節點），並兩兩節點歸併排序；每個節點元素要求有序的（排序），當然終點最小節點元數個數為1必是有序的； 節點：任務處理單元，歸併排序節點是處理輸出有序集合任務的單元；文件過大單台機排不了需要多台機集群； 根據粒度，單機版：非併發節點可以 ...


一、並行管道搭建：

總結下實現思路：

  1. 歸併排序：進行集合元素排序（節點），並兩兩節點歸併排序；每個節點元素要求有序的（排序），當然終點最小節點元數個數為1必是有序的；
  2. 節點：任務處理單元，歸併排序節點是處理輸出有序集合任務的單元；文件過大單台機排不了需要多台機集群；
  3. 根據粒度，單機版：非併發節點可以是排序方法，併發節點可以是一個線程/協程去處理（非同步排序），集群版節點是一個主機；
  4. 單機版，不管併發還是非併發，節點採用的是記憶體共用數據；集群版節點則需要網路連接請求應答來共用數據；
  5. go語言非同步數據傳輸通道通過channel實現的；
  6. 每個節點將處理的數據非同步發送到各自channel中，等待一個主節點獲取歸併，集群版多了網路的數據傳輸。

 

二、代碼實現：
  1. 本地節點 nodes.go： 
    package pipeline

import (
	"encoding/binary"
	"fmt"
	"io"
	"math/rand"
	"sort"
	"time"
)

var startTime time.Time

func Init() {
	startTime = time.Now()
}

//內部處理方法
//這裡是排序:非同步處理容器元素排序
func InMemSort(in <-chan int) <-chan int {
	out := make(chan int, 1024)
	go func() {
		a := []int{}
		for v := range in {
			a = append(a, v)
		}
		fmt.Println("Read done:", time.Since(startTime))

		sort.Ints(a)
		fmt.Println("InMemSort done:", time.Since(startTime))

		for _, v := range a {
			out <- v
		}
		close(out)
	}()
	return out
}

//兩路和並，每路通過內部方法非同步處理
//這裡是排序：in1，in2元素需要排好序(經過內部方法InMemSort非同步處理)的容器單元(channel 非同步容器/隊列)
func Merge(in1, in2 <-chan int) <-chan int {
	out := make(chan int, 1024)
	// go func() {
	// 	v1, ok1 := <-in1
	// 	v2, ok2 := <-in2
	// 	for {
	// 		if ok1 || ok2 {
	// 			if !ok2 || (ok1 && v1 <= v2) { //v2無值或v1值比v2大
	// 				out <- v1
	// 				v1, ok1 = <-in1
	// 			} else {
	// 				out <- v2
	// 				v2, ok2 = <-in2
	// 			}
	// 		} else {
	// 			close(out)
	// 			break
	// 		}
	// 	}
	// }()
	go func() {
		v1, ok1 := <-in1
		v2, ok2 := <-in2
		for ok1 || ok2 {
			if !ok2 || (ok1 && v1 <= v2) { //v2無值或v1值比v2大
				out <- v1
				v1, ok1 = <-in1
			} else {
				out <- v2
				v2, ok2 = <-in2
			}
		}
		close(out)

		fmt.Println("Merge done:", time.Since(startTime))
	}()
	return out
}

//讀取原數據
//chunkSize=-1全讀
func ReadSource(r io.Reader, chunkSize int) <-chan int {
	out := make(chan int, 1024)
	go func() {
		buffer := make([]byte, 8) //int長度根據操作系統來的，64位為int64，64位8個位元組
		bytesRead := 0
		for { //持續讀取
			n, err := r.Read(buffer) //讀取一個int 8byte
			bytesRead += n
			if n > 0 {
				out <- int(binary.BigEndian.Uint64(buffer)) //位元組數組轉int
			}
			if err != nil || (chunkSize != -1 && bytesRead >= chunkSize) { //-1全讀
				break
			}
		}
		close(out)
	}()
	return out
}

//寫處理後(排序)數據
func WriteSink(w io.Writer, in <-chan int) {
	for v := range in {
		buffer := make([]byte, 8)
		binary.BigEndian.PutUint64(buffer, uint64(v))
		w.Write(buffer)
	}
}

//隨機生成數據源
func RandomSource(count int) <-chan int {
	out := make(chan int)
	go func() {
		for i := 0; i < count; i++ {
			out <- rand.Int()
		}
		close(out)
	}()
	return out
}

//多路兩兩歸併，每路通過內部方法非同步處理
//這裡是排序：ins元素需要排好序(經過內部方法InMemSort非同步處理)的容器單元(channel 非同步容器/隊列)
func MergeN(ins ...<-chan int) <-chan int {
	if len(ins) == 1 {
		return ins[0]
	}
	m := len(ins) / 2
	return Merge(
		MergeN(ins[:m]...),
		MergeN(ins[m:]...)) //chennel非同步併發歸併
}

    　　

  2. 網路節點： 
    package pipeline

import (
	"bufio"
	"net"
)

//節點服務端數據寫入到Network中
//開啟服務後，用goroutine等連接，避免創建pipeline阻塞
func NetworkSink(addr string, in <-chan int) {
	//net必須是面向流的網路："tcp"、"tcp4"、"tcp6"、"unix"或"unixpacket"
	listener, err := net.Listen("tcp", addr) //addr ip:port
	if err != nil {
		panic(err)
	}
	go func() { //不能等待阻塞
		for {
			conn, err := listener.Accept()
			if err != nil {
				continue
			}
			w := bufio.NewWriter(conn)
			WriteSink(w, in)
			w.Flush()    //使用bufio Writer最後一定要Flush把緩存數據發出去  defer
			conn.Close() //關閉
		}
		// defer listener.Close()
		// conn, err := listener.Accept()
		// if err != nil {
		// 	panic(err)
		// }
		// defer conn.Close()
		// w := bufio.NewWriter(conn)
		// WriteSink(w, in)
		// defer w.Flush()
	}()
}

//Network向節點服務端讀取數據源
func NetworkSource(addr string) <-chan int {
	out := make(chan int)
	go func() {
		conn, err := net.Dial("tcp", addr)
		if err != nil {
			panic(err)
		}
		defer conn.Close()

		r := ReadSource(bufio.NewReader(conn), -1)
		for v := range r {
			out <- v
		}
		close(out)
	}()
	return out
}

    　　

  3. 創建管道： 
    package main

import (
	"bufio"
	"fmt"
	"goBase/pipelinedemo/pipeline"
	"os"
	"strconv"
)

const sourceFilename = "../large.in"
const resultFilename = "../large.out"

//單機版而言，併發使用channel效率肯定是下降的
//好處，當文件過大，一臺機器排不了，多機排序
func main() {
	p, files := createNetworkPipeline(sourceFilename, 800000000, 4) //平均每個文件讀取int64數：800000000/8/4
	defer func() {
		for _, file := range files {
			file.Close()
		}
	}()
	writeToFile(p, resultFilename) //該方法運行，通道才真正打開
	printFile(resultFilename)
}


//創建並行處理管道
//fileSize 文件位元組數
//chunkCount 節點數 讀取文件分塊數
func createNetworkPipeline(filename string, fileSize, chunkCount int) (<-chan int, []*os.File) {

	chunkSize := fileSize / chunkCount //每個節點讀取文件位元組數

	//outs := make([]<-chan int, chunkCount)
	outs := []<-chan int{}
	sortAddr := []string{}

	files := []*os.File{}

	pipeline.Init() //開始計時

	//#region 節點服務端工作

	for count := 0; count < chunkCount; count++ {
		file, err := os.Open(filename) //這裡file沒有close，需要返回*[]File,在外面close
		if err != nil {
			panic(err)
		}
		files = append(files, file)

		//Seek設置下一次讀/寫的位置。offset為相對偏移量，
		//whence決定相對位置：0為相對文件開頭，1為相對當前位置，2為相對文件結尾
		file.Seek(int64(count*chunkSize), 0) //讀文件位元組範圍

		source := pipeline.ReadSource(bufio.NewReader(file), chunkSize)

		// outs = append(outs, pipeline.InMemSort(source))
		//本機地址
		addr := ":" + strconv.Itoa(7000+count)                 //將數字轉換成對應的字元串類型的數字
		pipeline.NetworkSink(addr, pipeline.InMemSort(source)) //開啟節點服務監聽，收到請求發送數據將寫入到Network,非同步不能等待阻塞

		sortAddr = append(sortAddr, addr)
	}

	//#endregion


	//#region Network工作

	for _, addr := range sortAddr {
		outs = append(outs, pipeline.NetworkSource(addr))
	}
	//構建管道，goroutine還沒有運行，不能確定InMemSort是否全部排序完成，不能在該方法close file
	return pipeline.MergeN(outs...), files

	//#endregion
}

func writeToFile(in <-chan int, filename string) {
	file, err := os.Create(filename)
	if err != nil {
		panic(err)
	}
	defer file.Close()

	w := bufio.NewWriter(file)
	defer w.Flush()

	pipeline.WriteSink(w, in)
}

func printFile(filename string) {
	file, err := os.Open(filename)
	if err != nil {
		panic(err)
	}
	defer file.Close()
	count := 0
	all := pipeline.ReadSource(bufio.NewReader(file), -1)
	for s := range all {
		fmt.Println(s)
		count++
		if count > 100 {
			break
		}
	}
}

您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 跳動的“loading”，個個都很驚艷！
    大家好，我是半夏👴，一個剛剛開始寫文的沙雕程式員.如果喜歡我的文章，可以關註➕ 點贊 👍 加我微信：frontendpicker，一起學習交流前端，成為更優秀的工程師～關註公眾號：搞前端的半夏,瞭解更多前端知識! 點我探索新世界！ 原文鏈接 ==>http://sylblog.xin/archi ...
  • 高級前端進階（五）
    詳解JavaScript中的事件迴圈機制！！！ 一、簡單講解 這個大家應該或多或少都知道的 for (var i = 0; i < 10; i++) { setTimeout(() => { console.log(i); // 輸出10個10 }); } 解析：先執行for迴圈，迴圈疊加i，然後再 ...
  • JavaScript引入方式
    前端周刊：2022-6 期 前端開發 videojs-plugin-marker--videojs 進度條打點插件 基於 videojs-marker-plugin 項目二次開發，支持 marker 點更新和 marker 點擊事件；更換構建工具為 Vite。 @cutting-mat/direct ...
  • Vue.js Devtools擴展安裝與踩坑
    ####一、前言 #####因為最近練習Vue3項目的時候，發現Chrome瀏覽器的devtools插件不起作用了，這才想起當前安裝的devtools是5版本的，而Vue3項目需要6版本才支持。 ####二、安裝 #####1. 在Github上搜索devtools項目，直達車 #####2. 找到 ...
  • 愛前端公開課學習筆記——JS01 認識js 變數
    認識jsJS是寄生語言，寄生在HTML中，與JAVA沒有關係JS可以寫在html文件中，以<script></script>標簽對出現在一些瀏覽器中，使用控制台可以監控到JS的工作<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8 ...
  • 設計模式七大原則—迪米特法則
    1.概念 1.1.知道的越少越好 迪米特法則，結合其含義又稱之為“最少知道原則”，即一個類作為一個調用方，應當對自己依賴的類(被調用的類)其中所處理的邏輯細節，知道的越少越好。對於被依賴的類(被調用的類)不管在使用上多麼的複雜，它都應儘量將處理邏輯封裝在它的內部，對調用方提供簡潔明瞭的公共方法即可， ...
  • PyScript：讓Python在HTML中運行
    大家好，我是DD，已經是封閉在家的第51天了！ 最近一直在更新Java新特性和IDEA Tips兩個專欄，其他方向內容的動態關註少了。昨天天晚上刷推的時候，瞄到了這個神奇的東西，覺得挺cool的，拿出來分享下： 相信你看到圖，不用我說，你也猜到是啥了吧？html里可以跑python代碼了！ 看到好多 ...
  • 【SSM框架】MyBatis筆記 --- 動態sql講義+實戰；map在動態sql中的使用；列名與類中成員變數名不同的兩種解決方案
    講義： 動態sql可以定義代碼片斷，可以進行邏輯判斷，可以進行迴圈處理(批量處理)，使條件判斷更為簡單。 一、動態sql核心標簽： 1、<sql>：當多種類型的查詢語句的查詢欄位或者查詢條件相同時，可以將其定義為常量，方便調用。 2、<include>：用來引用<sql>定義的代碼片斷。 <!--定 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類