مدیریت کارآمدتر حافظه
متخصصان بزرگ داده‌‌ها چرا باید به زبان برنامه‌نویسی Milk توجه کنند؟
هر برنامه‌نویسی به دنبال کدنویسی سریع است. پس جای تعجب نیست که مشاهده می‌کنیم برنامه‌نویسان همواره زبان‌هایی را انتخاب می‌کنند که سرعت بالایی داشته باشند. فشرده‌سازی و بهینه‌سازی کدها در زمان کار با زبان‌های برنامه‌نویسی قدیمی بیشتر از آن‌چه مفید باشد، دردسرهای شما دوچندان می‌کند.

همین موضوع سازمان‌ها و شرکت‌های نرم‌افزاری را به تکاپو انداخته است که برای سرعت بخشیدن به انجام کارها و ساخت سریع‌تر برنامه‌ها راهکارها و الگوهای برنامه‌نویسی جدیدی را خلق کنند. زبان‌هایی که در بعضی موارد از پایه جدید هستند. به‌طور مثال، سوئیفت شرکت اپل زبان قدرتمندی است که برای ساخت برنامه‌های ویژه پلتفرم همراه این شرکت و همچنین سیستم‌عامل Mac OS X مورد استفاده قرار می‌گیرد. زبانی که به مراتب سریع‌تر از زبان برنامه‌نویسی آبجکتیو سی عمل می‌کند. در حوزه بزرگ داده‌ها نیز تعدادی از شرکت‌ها سعی کردند تنوعی بر مبنای آپاچی هدوپ به وجود آورند، به این امید که سرعت پردازش حجم بسیار بالایی از داده‌ها را بیشتر کنند.

مطلب پیشنهادی

بزرگ ‌داده‌ها چه هستند و چرا باید به آن‌ها اهمیت دهیم؟
بزرگ داده‌ها بازیگر اصلی فناوری‌های فردا

Milk زبان برنامه‌نویسی که نباید از آن غافل شد.

Milk از جمله این تلاش‌های قابل تحسین است که از سوی آزمایشگاه هوش مصنوعی CSAIL و با مشارکت موسسه تحقیقاتی MIT طراحی شده است. زبانی که آماده است تا سرعت پردازش بزرگ داده‌ها را از طریق مدیریت کارآمدتر بر حافظه شتاب بخشد. اگر جزء آن گروه از توسعه‌دهندگانی هستید که با نقاط پراکنده داده‌ای در مجموعه‌های چندگانه سروکار دارید، الگوریتم‌های نوشته شده در Milk به شما اجازه می‌دهند در مقایسه با سایر زبان‌های رایج برنامه‌نویسی چهار برابر سریع‌تر این داده‌های پراکنده را پردازش کنید. ولادمیر کرینسکی، یکی از توسعه‌دهندگان این زبان در مقاله‌ای که در همین ارتباط در بخش خبری سایت MIT منتشر شده آورده است: «شکار نقاط داده‌ای پراکنده در مجموعه‌ای عظیم از داده‌ها فرآیندی است که بیش از اندازه پیچیده و سخت است. این‌کار درست همانند آن است که هر روز صبح درب یخچال را باز کنید، ظرف شیر را باز کنید، کمی شیر از آن بردارید، مقداری شکر به آن اضافه کنید، درب ظرف شیر را دومرتبه بسته و ظرف شیر را دومرتبه در یخچال قرار دهید و این‌کار را بارها و بارها تکرار کنید. در حال حاضر متخصصان بزرگ داده‌ها با چنین مشکلی سروکار دارند.»

مطلب پیشنهادی

 فرصت‌های شغلی حوزه بزرگ داده‌ها در سال 2017 و پس از آن چیست؟
بزرگ داده ها و فرصت‌های شغلی در آینده نزدیک

اما به جای آن‌که درخواست‌های مکرری برای بازیابی بلوک‌های بزرگی از داده‌ها ارائه شود، هسته‌های پردازنده تنها زمانی که درخواستی برای داده‌ها از سوی نرم‌افزار کاربردی مطرح شده باشد یک برنامه Milk را اجرا می‌کنند. (راهکار به کار گرفته شده به این شکل است که پیش از آن‌که درخواستی برای هسته‌ها ارسال شود، این زبان فهرستی محلی از آدرس‌های آیتم‌های داده‌ای ایجاد می‌کند.)

Milk در زمینه کارایی نیز موفق ظاهر شده است. طراحان می‌تواند چند خط کد در ارتباط با دستورالعمل‌های پردازش داده‌ها درج کنند، در ادامه کامپایلر بررسی می‌کند که مناسب‌ترین و کارآمدترین روش برای مدیریت حافظه چه راهکاری است. در حالی که Milk هنوز هم جای کار بیشتری دارد، با این وجود الگوی پردازش موازی داده‌هایی که از سوی این زبان پیشنهاد شده به شکل قابل توجهی روند پردازش داده‌ها را سریع‌تر خواهد کرد. 


دوست عزیز! اگر از این مقاله خوشتان آمده عضو تلگرام ماهنامه شبکه شوید
تا از انتشار هزاران راهنمای خرید و مقاله دیگر مطلع شوید.

برچسب: 

افزودن دیدگاه جدید