AN
Т.е. то что сейчас делаем list.map { async {...} }.awaitAll()
Это как раз параллельно
Size: a a a
2020 July 20
AN
Асинхронности тут нет вообще никакой
AS
Ок, запутали
AN
У вас код синхронно выполняется. Вы ожидаете результата
AN
И я повторюсь, это почти никогда не имеет смысла. Только если у вас операция в мапе дико тяжелая. И для этого будет параллельный flow процессинг.
AS
И я повторюсь, это почти никогда не имеет смысла. Только если у вас операция в мапе дико тяжелая. И для этого будет параллельный flow процессинг.
Т.е. есть что то подходящее у flow? Я честно искал и с разбега не получилось найти, чтоб можно было async внутри явно не запускать
AN
Т.е. есть что то подходящее у flow? Я честно искал и с разбега не получилось найти, чтоб можно было async внутри явно не запускать
https://github.com/Kotlin/kotlinx.coroutines/issues/1147 Можно брать из сэмплов в ветке
AN
Оно работает по-разному и не все одинаково полезно, но использовать можно
KT
Вроде даже у идеи интеграция была
была и есть. да :)
AS
Оно работает по-разному и не все одинаково полезно, но использовать можно
Вот благодарю! Интересное чтиво
RU
была и есть. да :)
Круто)
2020 July 21
BP
Как правильно заметили выше, Java.Stream позволяет делать параллельный мап. Но он почти всегда будет медленнее, чем не параллельный
На больших данных параллельность даст буст
BP
Это как раз параллельно
Смотря какой диспетчер 😏
AN
На больших данных параллельность даст буст
На больших задачах. Раз по данных не важен особо. На коротких задачах от переключение потоков и синхронизация результатов сожрет больше.
BP
На больших задачах. Раз по данных не важен особо. На коротких задачах от переключение потоков и синхронизация результатов сожрет больше.
В стриме есть сплитератор, и он дробит на подзадачи, переключений там минимум, там проблема с равномерной нагрузкой и вычислением "как разбить данные" и стоит их разбивать вообще
BP
переключения поток там не так уж много кушают
AN
В стриме есть сплитератор, и он дробит на подзадачи, переключений там минимум, там проблема с равномерной нагрузкой и вычислением "как разбить данные" и стоит их разбивать вообще
В стриме да. Но объединение в одну коллекцию все равно сильно не дешевое
BP
В стриме да. Но объединение в одну коллекцию все равно сильно не дешевое
Это тоже верно
AK
как вам лого?