هفت الگوی هم‌روندی در هفت هفته ۲۰۱۴
Seven Concurrency Models in Seven Weeks 2014

نرم‌افزار شما باید از چند هسته پردازشی استفاده کند، هزاران کاربر و ترابایت‌ها داده را مدیریت کند و در مواجهه با خرابی‌های سخت‌افزاری و نرم‌افزاری به کار خود ادامه دهد. همروندی و مواز‌ی‌سازی کلیدهای حل این چالش‌ها هستند و کتاب هفت مدل همروندی در هفت هفته شما را برای این دنیای جدید آماده می‌کند. ببینید چگونه فناوری‌های نوظهوری مانند اَکتورها (Actors) و برنامه‌نویسی تابعی، مسائل مربوط به توسعه‌ی سنتی با استفاده از threadها و قفل‌ها را حل می‌کنند. بیاموزید چگونه از مواز‌ی‌سازی موجود در پردازنده‌ی گرافیکی (GPU) رایانه‌ی خود بهره ببرید و خوشه‌های ماشین‌ها را با MapReduce و پردازش جریان (Stream Processing) به کار گیرید. و همه‌ی این کارها را با اطمینانی انجام دهید که از استفاده از ابزارهایی ناشی می‌شود که به شما کمک می‌کنند کدی شفاف و با کیفیت بالا بنویسید.

این کتاب به شما نشان می‌دهد چگونه از معماری‌های موازی مختلف برای بهبود عملکرد، مقیاس‌پذیری و پایداری کد خود بهره‌برداری کنید. شما با هفت مدل همروندی آشنا خواهید شد: threadها و قفل‌ها، برنامه‌نویسی تابعی، جداسازی هویت و وضعیت، اَکتورها، فرآیندهای ترتیبی، مواز‌ی‌سازی داده و معماری لامبدا.

در مورد خطرات برنامه‌نویسی سنتی با threadها و قفل‌ها و چگونگی غلبه بر آن‌ها از طریق طراحی دقیق و با استفاده از کتابخانه‌ی استاندارد بیاموزید. ببینید چگونه اَکتورها نرم‌افزاری را قادر می‌سازند که روی رایانه‌های توزیع‌شده از نظر جغرافیایی اجرا می‌شود تا با یکدیگر همکاری کنند، خرابی‌ها را مدیریت کنند و سیستم‌هایی ایجاد کنند که به صورت 24/7/365 فعال بمانند. درک کنید چرا وضعیت تغییرپذیر مشترک، دشمن کد همروند مقاوم است و ببینید چگونه برنامه‌نویسی تابعی به همراه فناوری‌هایی مانند حافظه‌ی تراکنشی نرم‌افزاری (STM) و مواز‌ی‌سازی خودکار به شما کمک می‌کند تا آن را مهار کنید.

شما در مورد پتانسیل استفاده نشده در هر پردازنده‌ی گرافیکی (GPU) و چگونگی آزاد کردن آن توسط نرم‌افزار GPGPU خواهید آموخت. خواهید دید که چگونه از MapReduce برای مهار خوشه‌های عظیم برای حل مشکلات غیرقابل حل قبلی استفاده کنید و چگونه، با همکاری پردازش جریان (Stream Processing)، می‌توان داده‌های بزرگ را رام کرد.

با درک نقاط قوت و ضعف هر یک از مدل‌های مختلف و معماری‌های سخت‌افزاری، شما قادر خواهید بود با اطمینان به هر مشکلی رسیدگی کنید.

آنچه نیاز دارید:

کد مثال را می‌توان روی سیستم‌عامل‌های *nix، OS X یا ویندوز کامپایل و اجرا کرد. دستورالعمل‌های مربوط به نحوه‌ی دانلود سیستم‌های ساخت پشتیبانی‌شده در هر فصل ارائه شده است.

Your software needs to leverage multiple cores, handle thousands of users and terabytes of data, and continue working in the face of both hardware and software failure. Concurrency and parallelism are the keys, and Seven Concurrency Models in Seven Weeks equips you for this new world. See how emerging technologies such as actors and functional programming address issues with traditional threads and locks development. Learn how to exploit the parallelism in your computer’s GPU and leverage clusters of machines with MapReduce and Stream Processing. And do it all with the confidence that comes from using tools that help you write crystal clear, high-quality code.

This book will show you how to exploit different parallel architectures to improve your code’s performance, scalability, and resilience. You’ll learn about seven concurrency models: threads and locks, functional programming, separating identity and state, actors, sequential processes, data parallelism, and the lambda architecture.

Learn about the perils of traditional threads and locks programming and how to overcome them through careful design and by working with the standard library. See how actors enable software running on geographically distributed computers to collaborate, handle failure, and create systems that stay up 24/7/365. Understand why shared mutable state is the enemy of robust concurrent code, and see how functional programming together with technologies such as Software Transactional Memory (STM) and automatic parallelism help you tame it.

You’ll learn about the untapped potential within every GPU and how GPGPU software can unleash it. You’ll see how to use MapReduce to harness massive clusters to solve previously intractable problems, and how, in concert with Stream Processing, big data can be tamed.

With an understanding of the strengths and weaknesses of each of the different models and hardware architectures, you’ll be empowered to tackle any problem with confidence.

What You Need:

The example code can be compiled and executed on *nix, OS X, or Windows. Instructions on how to download the supporting build systems are given in each chapter.