haskell - 通过并发提高仿真性能

Question

在包含 Doubles 的集合(为简单起见，称它们为列表)的数据结构上考虑此顺序过程。 .只要我愿意，请执行以下操作:

从结构中随机选择两个不同的列表

根据这些列表计算统计数据

根据该统计数据掷硬币

可能会根据抛硬币的结果修改其中一个列表

目标是最终实现收敛，因此“解决方案”与迭代次数呈线性关系。在 SO 问题 here 中可以看到此过程的实现。 ，这是一个直观的可视化:



似乎可以更好地执行此过程 - 也就是说，可以更快地实现收敛 - 通过使用多个在单独的操作系统线程上并发执行的工作程序，例如:



我想一个完美实现的实现应该能够在 O(n/P) 时间内实现解决方案，因为 P 是可用计算资源的数量。

阅读 Haskell 并发性让我头晕目眩，比如 MVar , TVar , TChan , acid-state等等。似乎很清楚的是，此过程的并发实现看起来与 the one I linked above 大不相同。 .但是，该过程本身似乎本质上是一个非常温和的算法，它本质上是一个内存数据库，我敢肯定有人以前遇到过这个问题。

我猜我将不得不使用某种支持体面随机访问(即随机空闲元素)和修改的可变并发数据结构。当我试图将这可能需要的所有东西拼凑起来以提高性能时，我有点迷茫(例如，STM 似乎很可疑)。

如果目标是顺序实现的性能提升，哪些数据结构、并发概念等适合此类任务？

Answer 1

把事情简单化:

forkIO用于轻量级、超便宜的线程。

MVar , 用于快速、线程安全的共享内存。

和适当的序列类型(可能是 vector ，如果你只是在前面可能会列出)

不错stats包裹

和一个快速随机数源(例如 mersenne -random-pure64)

你可以稍后尝试更高级的东西。对于原始性能，首先要保持简单:保持锁定的数量(例如每个缓冲区一个)；确保编译您的代码并使用线程运行时( ghc -O2 )，您应该有一个良好的开端。

RWH 有一个介绍章节 cover the basics并发 Haskell。