Qt ConcurrentのMapReduce

この図は、Qtで実装された形式のMapReduceを示しています。

QFuture<T> QtConcurrent::mappedReduced(const Sequence &sequence, MapFunction mapFunction, ReduceFunction reduceFunction /*...*/) T QtConcurrent::blockingMappedReduced(const Sequence &sequence, MapFunction mapFunction, ReduceFunction reduceFunction /*...*/)
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
     

職場の同僚はQt ConcurrentのMapReduceについて知らないことに直面しました。 ゲーテが言ったように：「私たちが理解していないこと、私たちは所有していない」 カットの下には、Map、Reduce、Fork –結合モデル、およびMapReduceを使用して簡単な問題を解決する例について少し説明します。

タスク

タスクはそのままインターネットから取得されました。

1,000,000,000個の要素を持つ配列の最大要素を検索するコンソールプログラムを作成します。

MapReduceは、高次関数mapおよびreduceで構成されています。 高階関数は、他の関数を引数として取る関数です。

地図

Mapはリストの各要素に関数を適用し、結果のリストを返します。 C ++では、これはstd :: transformで記述できます：

 std::list<int> list{ 1, 2, 3, 4, 5, 6 }; std::list<int> newList(list.size(), 0); std::transform(list.begin(), list.end(),newList.begin(), [](int v){ return v*2; }); for(auto i: newList){ std::cout<<i<<" "; }
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
     

削減（累積）

ウィキペディアには定義があります。特定の関数を使用して、データ構造を単一のアトミック値に変換する高次関数です。 単純な場合、 reduceは多くの要素（リスト、ベクトルなど）を蓄積します。

C ++では、これはstd::for_each



および関数オブジェクトを介して記述できます。

 struct Max{ Max():value(std::numeric_limits<int>::min()){ } void operator()(int val){ value = std::max(value, val); } int value; }; struct Sum{ Sum(): value(0){ } void operator()(int val){ value += val; } int value; }; //... std::list<int> list{ 1, 2, 3, 4, 5, 6 }; const auto max = std::for_each(list.begin(), list.end(), Max()); const auto sum = std::for_each(list.begin(), list.end(), Sum()); std::cout<<"Max:"<<max.value<<std::endl; std::cout<<"Sum:"<<sum.value<<std::endl;
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
     

フォーク–モデルに参加

MapReduceを使用して問題を解決する方法は明確ではない場合があります。 ここに見えるはずです、おそらくいくつかの理論がありますか？ 分岐結合並列計算モデルがあります。 その中心には：

• 大きなタスクを小さなサブタスクに分割し、それらを並行して実行します（フォーク）。
• サブタスクのソリューションを最終結果に結合（結合）します。

モデルを示す写真（ ウィキペディアから取得）。 最初の画像のようなもの。 QRのMapReduceは、フォーク結合モデルの実装です。

このようなタスクの場合、標準的な解決策は、ベクトルを取得し、それをいくつかのばらばらのセグメントに分割し、セグメント内の極大値を見つけ、最後に結果を結合することです。 std ::スレッドでは、次のようになります。

 using DataSet = std::vector<int>; const size_t DATASET_SIZE = 1000000000; struct Task { size_t first; size_t last; DataSet& data; int localMaximum; }; using Tasks = std::vector<Task>; void max(Task& task) { int localMax = task.data[task.first]; for(size_t item = task.first; item < task.last; ++item) { localMax = std::max(localMax, task.data[item]); } task.localMaximum = localMax; } DataSet data(DATASET_SIZE); //... const auto threadCount = std::thread::hardware_concurrency(); const auto taskSize = data.size()/threadCount; Tasks tasks; size_t first = 0; size_t last = taskSize; //     for(size_t i = 0; i < threadCount; ++i) { tasks.push_back(Task{first, last, data, 0}); first+=taskSize; last = std::min(last+taskSize, data.size()); } //   std::vector<std::thread> threads; for(auto& task: tasks) { threads.push_back(std::thread(max, std::ref(task))); } //   for(auto& thread: threads) { thread.join(); } int Max = tasks[0].localMaximum; for(const auto& task: tasks) { Max = std::max(Max, task.localMaximum); }
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
     

タスクをサブタスクに分割すると、 QtConcurrent :: blockingMappedReducedを使用してコンパクトに書き込むことができます

 using DataSet = std::vector<int>; const size_t DATASET_SIZE = 1000000000; struct Task { size_t first; size_t last; DataSet& data; }; int mapMax(const Task& task) { int localMax = task.data[task.first]; for(size_t item = task.first; item < task.last; ++item) { localMax = std::max(localMax, task.data[item]); } return localMax; } void reduceMax(int& a, const int& b) { a = std::max(a, b); } using Tasks = std::vector<Task>; //... const auto threadCount = std::thread::hardware_concurrency(); const auto taskSize = data.size()/threadCount; Tasks tasks; size_t first = 0; size_t last = taskSize; for(size_t i = 0; i < threadCount; ++i) { tasks.push_back(Task{first, last, data, 0}); first+=taskSize; last = std::min(last+taskSize, data.size()); } int Max = QtConcurrent::blockingMappedReduced(tasks, mapMax, reduceMax);
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
     

ここで注意すべきこと：

• Task構造にはlocalMaximumフィールドがありません;最大値はmapMax関数から返されます;
• reduceMax関数のシグネチャに対して、値の戻り値は最初の引数を介しています。

 #include <QtCore/QtDebug> #include <QtCore/QElapsedTimer> #include <QtCore/QCoreApplication> #include <QtConcurrent/QtConcurrent> #include <cstdlib> #include <thread> #include <vector> #include <algorithm> using DataSet = std::vector<int>; const size_t DATASET_SIZE = 1000000000; struct Task { size_t first; size_t last; DataSet& data; }; int mapMax(const Task& task) { int localMax = task.data[task.first]; for(size_t item = task.first; item < task.last; ++item) { localMax = std::max(localMax, task.data[item]); } return localMax; } void reduceMax(int& a, const int& b) { a = std::max(a, b); } using Tasks = std::vector<Task>; int main(int argc, char *argv[]) { std::srand(unsigned(std::time(0))); QCoreApplication a(argc, argv); DataSet data(DATASET_SIZE); for(size_t i = 0; i < data.size(); ++i) { data[i] = std::rand(); } QElapsedTimer timer; timer.start(); const auto threadCount = std::thread::hardware_concurrency(); const auto taskSize = data.size()/threadCount; Tasks tasks; size_t first = 0; size_t last = taskSize; for(size_t i = 0; i < threadCount; ++i) { tasks.push_back(Task{first, last, data}); first+=taskSize; last = std::min(last+taskSize, data.size()); } timer.start(); const auto Max = QtConcurrent::blockingMappedReduced(tasks, mapMax, reduceMax); qDebug() << "Maximum" << Max << "time" <<timer.elapsed() << "milliseconds"; return 0; }