问题描述
尝试:使用 Itertools 将所有排列分配给结果向量,然后使用 rayon 处理每个排列。
最小可重复代码:
use rayon::iter::ParallelIterator;
use rayon::iter::IntoParallelIterator;
use itertools::Itertools;
fn main() {
let data: Vec<u128> = [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19].to_vec();
let k = 8;
let vector: Vec<Vec<u128>>
//Following code should return 29.6 billion permutations
let _vector = data.into_iter().permutations(k).map_into::<Vec<u128>>
().collect_vec();
//Following code then processes each permutation using rayon crate
(vector).into_par_iter().for_each(move |x| further_processing(x));
}
当 data
输入向量为 16 个元素或更少时,代码运行。对于 24 个元素,返回以下错误:memory allocation of 121898649600 bytes Failed error: process didn't exit successfully: target\debug\threads.exe (exit code: 0xc0000409,STATUS_STACK_BUFFER_OVERRUN)
不使用 rayon crate 可以处理 24 个元素,但速度很慢 - 此代码将最后两行替换为:data.into_iter().permutations(k).for_each(move |x| further_processing(x));
所以问题似乎是为 rayon
可以访问的非常大的、不断增长的排列向量分配内存。
有没有办法成功生成这个非常大的排列集供人造丝访问,一种更智能的直接在输入数据上使用人造丝的方法,或者更合适的并行计算方法来解决这个问题?
解决方法
我似乎找不到任何并行置换实现,因此您最好的选择可能是使用 ParallelBridge
将迭代器转换为并行置换器。请注意,除非您的处理很密集,否则您不应使用此方法,而应使用常规迭代器方法,因为会增加同步成本。
use rayon::iter::ParallelIterator;
use rayon::iter::ParallelBridge;
use itertools::Itertools;
fn main() {
let data: Vec<u128> = [0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19].to_vec();
let k = 8;
let data_iter = data.into_iter().permutations(k);
data_iter.par_bridge().for_each(move |x| further_processing(x));
}