haskell - 通过并发提高模拟性能

Question

考虑在一个包含Doubles. 只要我愿意，请执行以下操作：

1. 从结构中随机选择两个不同的列表
2. 根据这些列表计算统计数据
3. 根据该统计数据掷硬币
4. 可能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”在迭代次数上是线性的。可以在此处的 SO 问题中看到此过程的实现，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 OS 线程上同时执行的工作人员，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 并发让我头晕目眩，诸如、、、、等等之类的术语。MVar似乎很清楚的是，这个过程的并发实现看起来与我上面链接的完全不同。但是，该过程本身似乎本质上是一个相当驯服的算法，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。TVarTChanacid-state

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。当我尝试将这可能需要的所有东西拼凑起来以提高性能时，我有点迷失了（例如，STM 似乎很可疑）。

如果目标是提高顺序实现的性能，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，如果你只在前面添加，可能是列表）
• 一个好的统计包
• 和一个快速的随机数源（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 有一章介绍并发 Haskell的基础知识。