از این پس مطالبم رو در سایت خودم هم منتشر می کنم. خوشحال می شم اونجا رو هم ببینید.
https://salmana.ir
زبان Go در زمینه طراحی میکرو سرویس ها و برنامه های بسیار سریع با استفاده از حداکثر توان سیستم که به خوبی برای برنامه نویسان قابل فهم هستند مطرح شده است. در ادامه سعی می کنیم نمونه برنامه ای بنویسیم که میزان تاثیر استفاده از چند هسته در سرعت انجام محاسبات را به ما نشان بدهد.
در این برنامه یک متد داریم که یک عملیات ساده ریاضی را 100 میلیون بار انجام می دهد. حالا می خواهیم با استفاده از روتین های گو، این 100 میلیون عملیات را به طور موازی 100 بار انجام دهیم. در حقیقت می خواهیم 10000000000 بار دستور ساده ریاضی را اجرا کنیم.
برای اندازه گیری زمان اجرا از مجموعه time استفاده می کنیم. همچنین برای اطمینان از اینکه تمام عملیات مورد نظر ما به طور کامل انجام شده است از sync.WaitGroup استفاده کرده ایم.
ابتدا برنامه را با استفاده از فقط یک هسته پیاده سازی می کنیم.
package main import ( "log" "runtime" "sync" "time" ) func m(wg *sync.WaitGroup) { defer wg.Done() j := 0 for i := 0; i < 100000000; i++ { j += i % 2 } } func main() {// use only one core runtime.GOMAXPROCS(1) start := time.Now() var wg sync.WaitGroup for i := 0; i < 100; i++ { wg.Add(1) go m(&wg) } // wait until all calls completed wg.Wait() elapsed := time.Since(start) log.Printf("Binomial took %s", elapsed) }
فرض می کنیم اسم برنامه test.go باشد. آن را اجرا می کنیم.
go run test.go
خروجی این برنامه:
Binomial took 4.0700248s
استفاده از حداکثر توان!
حالا با تغییر در برنامه، به آن اجازه می دهیم از همه هسته های سیستم استفاده کند.
runtime.GOMAXPROCS(runtime.NumCPU())
نتیجه اجرای برنامه روی سی پی یو 4 هسته ای:
Binomial took 2.1269973s
چطوره حالا برنامه رو روی یک سرور 32 هسته ای اجرا کنیم؟ نتیجه اعجاب آور است!
Binomial took 234.2243ms
اجرای 10.000.000.000 دستور در 234 میلی ثانیه. البته با ایجاد توازن بین تعداد روتین ها و تعداد پردازش در روتین ها می توان به سرعت های بالاتر از این هم دست پیدا کرد...
از این به بعد شاید برای برنامه هایی که نیاز به محاسبات ریاضی سنگین دارند (مثل استخراج رمز ارزها) گوشه چشمی هم به Go داشته باشید...
پانوشت