Gegeben eine Zahl 'n' und n Zahlen, sortieren Sie die Zahlen nach Gleichzeitig Sortierung zusammenführen. (Hinweis: Versuchen Sie, shmget shmat-Systemaufrufe zu verwenden).
Teil 1: Der Algorithmus (WIE?)
Erstellen Sie rekursiv zwei untergeordnete Prozesse, einen für die linke Hälfte und einen für die rechte Hälfte. Wenn die Anzahl der Elemente im Array für einen Prozess weniger als 5 beträgt, führen Sie a aus Einfügungssortierung . Das übergeordnete Element der beiden untergeordneten Elemente führt dann das Ergebnis zusammen und kehrt zum übergeordneten Element zurück usw. Aber wie macht man es gleichzeitig?
Teil 2: Das logische (WARUM?)
Der wichtige Teil der Lösung dieses Problems ist nicht algorithmisch, sondern darin, die Konzepte von Betriebssystem und Kernel zu erklären.
Um eine gleichzeitige Sortierung zu erreichen, benötigen wir eine Möglichkeit, zwei Prozesse gleichzeitig auf demselben Array arbeiten zu lassen. Zur Vereinfachung bietet Linux zahlreiche Systemaufrufe über einfache API-Endpunkte. Zwei davon sind shmget() (für die gemeinsame Speicherzuweisung) und shmat() (für Shared-Memory-Operationen). Wir erstellen einen gemeinsamen Speicherbereich zwischen dem untergeordneten Prozess, den wir forken. Jedes Segment ist in ein linkes und ein rechtes untergeordnetes Segment unterteilt, das sortiert ist. Der interessante Teil besteht darin, dass sie gleichzeitig arbeiten! shmget() fordert den Kernel auf, a zuzuweisen geteilte Seite für beide Prozesse.
Warum funktioniert herkömmliches fork() nicht?
Die Antwort liegt darin, was fork() tatsächlich tut. Aus der Dokumentation geht hervor, dass „fork() einen neuen Prozess durch Duplizieren des aufrufenden Prozesses erstellt“. Der untergeordnete Prozess und der übergeordnete Prozess laufen in getrennten Speicherbereichen. Zum Zeitpunkt von fork() haben beide Speicherplätze den gleichen Inhalt. Speicher schreibt Dateideskriptor(fd)-Änderungen usw., die von einem der Prozesse durchgeführt werden, wirken sich nicht auf den anderen aus. Daher benötigen wir ein gemeinsames Speichersegment.
#include #include #include #include #include #include #include #include void insertionSort(int arr[] int n); void merge(int a[] int l1 int h1 int h2); void mergeSort(int a[] int l int h) { int i len = (h - l + 1); // Using insertion sort for small sized array if (len <= 5) { insertionSort(a + l len); return; } pid_t lpid rpid; lpid = fork(); if (lpid < 0) { // Lchild proc not created perror('Left Child Proc. not createdn'); _exit(-1); } else if (lpid == 0) { mergeSort(a l l + len / 2 - 1); _exit(0); } else { rpid = fork(); if (rpid < 0) { // Rchild proc not created perror('Right Child Proc. not createdn'); _exit(-1); } else if (rpid == 0) { mergeSort(a l + len / 2 h); _exit(0); } } int status; // Wait for child processes to finish waitpid(lpid &status 0); waitpid(rpid &status 0); // Merge the sorted subarrays merge(a l l + len / 2 - 1 h); } /* Function to sort an array using insertion sort*/ void insertionSort(int arr[] int n) { int i key j; for (i = 1; i < n; i++) { key = arr[i]; j = i - 1; /* Move elements of arr[0..i-1] that are greater than key to one position ahead of their current position */ while (j >= 0 && arr[j] > key) { arr[j + 1] = arr[j]; j = j - 1; } arr[j + 1] = key; } } // Method to merge sorted subarrays void merge(int a[] int l1 int h1 int h2) { // We can directly copy the sorted elements // in the final array no need for a temporary // sorted array. int count = h2 - l1 + 1; int sorted[count]; int i = l1 k = h1 + 1 m = 0; while (i <= h1 && k <= h2) { if (a[i] < a[k]) sorted[m++] = a[i++]; else if (a[k] < a[i]) sorted[m++] = a[k++]; else if (a[i] == a[k]) { sorted[m++] = a[i++]; sorted[m++] = a[k++]; } } while (i <= h1) sorted[m++] = a[i++]; while (k <= h2) sorted[m++] = a[k++]; int arr_count = l1; for (i = 0; i < count; i++ l1++) a[l1] = sorted[i]; } // To check if array is actually sorted or not void isSorted(int arr[] int len) { if (len == 1) { std::cout << 'Sorting Done Successfully' << std::endl; return; } int i; for (i = 1; i < len; i++) { if (arr[i] < arr[i - 1]) { std::cout << 'Sorting Not Done' << std::endl; return; } } std::cout << 'Sorting Done Successfully' << std::endl; return; } // To fill random values in array for testing // purpose void fillData(int a[] int len) { // Create random arrays int i; for (i = 0; i < len; i++) a[i] = rand(); return; } // Driver code int main() { int shmid; key_t key = IPC_PRIVATE; int *shm_array; int length = 128; // Calculate segment length size_t SHM_SIZE = sizeof(int) * length; // Create the segment. if ((shmid = shmget(key SHM_SIZE IPC_CREAT | 0666)) < 0) { perror('shmget'); _exit(1); } // Now we attach the segment to our data space. if ((shm_array = (int *)shmat(shmid NULL 0)) == (int *)-1) { perror('shmat'); _exit(1); } // Create a random array of given length srand(time(NULL)); fillData(shm_array length); // Sort the created array mergeSort(shm_array 0 length - 1); // Check if array is sorted or not isSorted(shm_array length); /* Detach from the shared memory now that we are done using it. */ if (shmdt(shm_array) == -1) { perror('shmdt'); _exit(1); } /* Delete the shared memory segment. */ if (shmctl(shmid IPC_RMID NULL) == -1) { perror('shmctl'); _exit(1); } return 0; }
Java import java.util.Arrays; import java.util.Random; import java.util.concurrent.ForkJoinPool; import java.util.concurrent.RecursiveAction; public class ConcurrentMergeSort { // Method to merge sorted subarrays private static void merge(int[] a int low int mid int high) { int[] temp = new int[high - low + 1]; int i = low j = mid + 1 k = 0; while (i <= mid && j <= high) { if (a[i] <= a[j]) { temp[k++] = a[i++]; } else { temp[k++] = a[j++]; } } while (i <= mid) { temp[k++] = a[i++]; } while (j <= high) { temp[k++] = a[j++]; } System.arraycopy(temp 0 a low temp.length); } // RecursiveAction for fork/join framework static class SortTask extends RecursiveAction { private final int[] a; private final int low high; SortTask(int[] a int low int high) { this.a = a; this.low = low; this.high = high; } @Override protected void compute() { if (high - low <= 5) { Arrays.sort(a low high + 1); } else { int mid = low + (high - low) / 2; invokeAll(new SortTask(a low mid) new SortTask(a mid + 1 high)); merge(a low mid high); } } } // Method to check if array is sorted private static boolean isSorted(int[] a) { for (int i = 0; i < a.length - 1; i++) { if (a[i] > a[i + 1]) { return false; } } return true; } // Method to fill array with random numbers private static void fillData(int[] a) { Random rand = new Random(); for (int i = 0; i < a.length; i++) { a[i] = rand.nextInt(); } } public static void main(String[] args) { int length = 128; int[] a = new int[length]; fillData(a); ForkJoinPool pool = new ForkJoinPool(); pool.invoke(new SortTask(a 0 a.length - 1)); if (isSorted(a)) { System.out.println('Sorting Done Successfully'); } else { System.out.println('Sorting Not Done'); } } }
Python3 import numpy as np import multiprocessing as mp import time def insertion_sort(arr): n = len(arr) for i in range(1 n): key = arr[i] j = i - 1 while j >= 0 and arr[j] > key: arr[j + 1] = arr[j] j -= 1 arr[j + 1] = key def merge(arr l mid r): n1 = mid - l + 1 n2 = r - mid L = arr[l:l + n1].copy() R = arr[mid + 1:mid + 1 + n2].copy() i = j = 0 k = l while i < n1 and j < n2: if L[i] <= R[j]: arr[k] = L[i] i += 1 else: arr[k] = R[j] j += 1 k += 1 while i < n1: arr[k] = L[i] i += 1 k += 1 while j < n2: arr[k] = R[j] j += 1 k += 1 def merge_sort(arr l r): if l < r: if r - l + 1 <= 5: insertion_sort(arr) else: mid = (l + r) // 2 p1 = mp.Process(target=merge_sort args=(arr l mid)) p2 = mp.Process(target=merge_sort args=(arr mid + 1 r)) p1.start() p2.start() p1.join() p2.join() merge(arr l mid r) def is_sorted(arr): for i in range(1 len(arr)): if arr[i] < arr[i - 1]: return False return True def fill_data(arr): np.random.seed(0) arr[:] = np.random.randint(0 1000 size=len(arr)) if __name__ == '__main__': length = 128 shm_array = mp.Array('i' length) fill_data(shm_array) start_time = time.time() merge_sort(shm_array 0 length - 1) end_time = time.time() if is_sorted(shm_array): print('Sorting Done Successfully') else: print('Sorting Not Done') print('Time taken:' end_time - start_time)
JavaScript // Importing required modules const { Worker isMainThread parentPort workerData } = require('worker_threads'); // Function to merge sorted subarrays function merge(a low mid high) { let temp = new Array(high - low + 1); let i = low j = mid + 1 k = 0; while (i <= mid && j <= high) { if (a[i] <= a[j]) { temp[k++] = a[i++]; } else { temp[k++] = a[j++]; } } while (i <= mid) { temp[k++] = a[i++]; } while (j <= high) { temp[k++] = a[j++]; } for (let p = 0; p < temp.length; p++) { a[low + p] = temp[p]; } } // Function to check if array is sorted function isSorted(a) { for (let i = 0; i < a.length - 1; i++) { if (a[i] > a[i + 1]) { return false; } } return true; } // Function to fill array with random numbers function fillData(a) { for (let i = 0; i < a.length; i++) { a[i] = Math.floor(Math.random() * 1000); } } // Function to sort the array using merge sort function sortArray(a low high) { if (high - low <= 5) { a.sort((a b) => a - b); } else { let mid = low + Math.floor((high - low) / 2); sortArray(a low mid); sortArray(a mid + 1 high); merge(a low mid high); } } // Main function function main() { let length = 128; let a = new Array(length); fillData(a); sortArray(a 0 a.length - 1); if (isSorted(a)) { console.log('Sorting Done Successfully'); } else { console.log('Sorting Not Done'); } } main();
Ausgabe:
Sorting Done Successfully
Zeitkomplexität: O(N log N)
Hilfsraum:O(N)
Leistungsverbesserungen?
Versuchen Sie, den Code zeitlich festzulegen und seine Leistung mit dem herkömmlichen sequentiellen Code zu vergleichen. Sie wären überrascht, wenn Sie wüssten, dass die sequentielle Sortierleistung besser ist!
Wenn beispielsweise ein linkes Kind auf das linke Array zugreift, wird das Array in den Cache eines Prozessors geladen. Wenn nun auf das rechte Array zugegriffen wird (aufgrund gleichzeitiger Zugriffe), kommt es zu einem Cache-Fehler, da der Cache mit dem linken Segment gefüllt wird und dann das rechte Segment in den Cache-Speicher kopiert wird. Dieser Hin- und Her-Prozess setzt sich fort und verschlechtert die Leistung so weit, dass die Leistung schlechter ist als die des sequentiellen Codes.
Es gibt Möglichkeiten, die Cache-Fehler zu reduzieren, indem der Workflow des Codes gesteuert wird. Ganz vermeiden lassen sie sich aber nicht!