モジュールstd.parallelismは便利な並行プログラミングのための高いレベルのプリミティブを実装します。
std.parallelism.parallel
はforeach本文を自動的に異なるスレッドに分配します:
// 並列にarrを二乗
auto arr = iota(1,100).array;
foreach(ref i; parallel(arr)) {
i = i*i;
}
parallelは内部でopApplyオペレータを使用します。
グローバルのparallelはCPUの合計数 - 1のワーキングスレッドを使うTaskPoolである
taskPool.parallelへのショートカットです。
自分独自のインスタンスを作ると並列度をコントロールできます。
parallelな反復処理の本文は別のワーキングユニットがアクセスするかもしれない要素にアクセスしないことが
確実でなければならないことを覚えておいてください。
任意のworkingUnitSizeはワーカースレッドあたり処理される要素の数を決めます。
関数
std.algorithm.iteration.reduceは、
他の関数型の文脈ではaccumulateまたはfoldlとして知られるもので、
各要素xで関数fun(acc, x)を呼びます。ここでaccは前の結果です:
// 0は"シード"です
auto sum = reduce!"a + b"(0, elements);
Taskpool.reduce
はreduceと似たものです:
// 各ワークユニットのシードとして最初の要素を使い、
// レンジの合計を並列に求めます。
auto sum = taskPool.reduce!"a + b"(nums);
TaskPool.reduceはレンジを並列にreduceされるサブレンジに分割します。
それらの結果が計算されると、その結果をreduceします。
task()task
は時間が長くかかったり、専用のワーキングスレッドで実行されるべき関数のラッパーです。
それはタスクプールのキューに追加されるか:
auto t = task!read("foo.txt");
taskPool.put(t);
または直接専用の新しいスレッドで実行されます:
t.executeInNewThread();
タスクの結果を得るにはyieldForceを呼びます。
それは結果が取得できるようになるまでブロックします。
auto fileData = t.yieldForce;