关于javascript:使用GPUjs改善JavaScript性能

你是否已经尝试过运行简单的计算，却发现它须要破费很长时间，并且拖慢了你的过程？

有很多办法能够解决这个问题，例如应用 web worker 或后盾线程。GPU 加重了 CPU 的解决负荷，给了 CPU 更多的空间来解决其余过程。同时，web worker 依然运行在 CPU 上，然而运行在不同的线程上。

在该初学者指南中，咱们将演示如何应用 GPU.js 执行简单的数学计算并进步 JavaScript 利用的性能。

什么是 GPU.js？

GPU.js 是一个针对 Web 和 Node.js 构建的 JavaScript 减速库，用于在图形处理单元（GPGPU）上进行通用编程，它使你能够将简单且耗时的计算移交给 GPU 而不是 CPU，以实现更快的计算和操作。还有一个备用选项：在零碎上没有 GPU 的状况下，这些性能仍将在惯例 JavaScript 引擎上运行。

当你要执行简单的计算时，本质上是将这种累赘转移给零碎的 GPU 而不是 CPU，从而减少了处理速度和工夫。

高性能计算是应用 GPU.js 的次要劣势之一。如果你想在浏览器中进行并行计算，而不理解 WebGL，那么 GPU.js 是一个适宜你的库。

为什么要应用 GPU.js

为什么要应用 GPU 执行简单的计算的起因举不胜举，有太多的起因无奈在一篇文章中探讨。以下是应用 GPU 的一些最值得注意的益处。

• GPU 可用于执行大规模并行 GPGPU 计算。这是须要异步实现的计算类型
• 当零碎中没有 GPU 时，它会优雅地退回到 JavaScript
• GPU 以后在浏览器和 Node.js 上运行，非常适合通过大量计算来减速网站
• GPU.js 是在思考 JavaScript 的状况下构建的，因而这些性能均应用非法的 JavaScript 语法

如果你认为你的处理器能够胜任，你不须要 GPU.js，看看上面这个 GPU 和 CPU 运行计算的后果。

如你所见，GPU 比 CPU 快 22.97 倍。

GPU.js 的工作形式

思考到这种速度程度，JavaScript 生态系统好像失去了一个能够乘坐的火箭。GPU 能够帮忙网站更快地加载，特地是必须在首页上执行简单计算的网站。你不再须要放心应用后盾线程和加载器，因为 GPU 运行计算的速度是一般 CPU 的 22.97 倍。

gpu.createKernel 办法创立了一个从 JavaScript 函数移植过去的 GPU 减速内核。

与 GPU 并行运行内核函数会导致更快的计算速度——快 1 -15 倍，这取决于你的硬件。

GPU.js 入门

为了展现如何应用 GPU.js 更快地计算简单的计算，让咱们疾速启动一个理论的演示。

装置

sudo apt install mesa-common-dev libxi-dev  // using Linux

npm

npm install gpu.js --save
// OR
yarn add gpu.js

在你的 Node 我的项目中要导入 GPU.js。

import {GPU} from ('gpu.js')

// OR
const {GPU} = require('gpu.js')

const gpu = new GPU();

乘法演示

在上面的示例中，计算是在 GPU 上并行实现的。

首先，生成大量数据。

const getArrayValues = () => {

  // 在此处创立 2D arrary
  const values = [[], []]

  // 将值插入第一个数组
  for (let y = 0; y < 600; y++){values[0].push([])
    values[1].push([])

    // 将值插入第二个数组
    for (let x = 0; x < 600; x++){values\[0\][y].push(Math.random())
      values\[1\][y].push(Math.random())
    }
  }

  // 返回填充数组
  return values
}

创立内核（运行在 GPU 上的函数的另一个词）。

const gpu = new GPU();

// 应用 `createKernel()` 办法将数组相乘
const multiplyLargeValues = gpu.createKernel(function(a, b) {
  let sum = 0;
  for (let i = 0; i < 600; i++) {sum += a\[this.thread.y\][i] * b\[i\][this.thread.x];
  }
  return sum;
}).setOutput([600, 600])

应用矩阵作为参数调用内核。

const largeArray = getArrayValues()
const out = multiplyLargeValues(largeArray[0], largeArray[1])

输入

console.log(out\[y\][x]) // 将元素记录在数组的第 x 行和第 y 列
console.log(out\[10\][12]) // 记录输入数组第 10 行和第 12 列的元素 

运行 GPU 基准测试

你能够依照 GitHub 上指定的步骤运行基准测试。

npm install @gpujs/benchmark

const benchmark = require('@gpujs/benchmark')

const benchmarks = benchmark.benchmark(options);

options 对象蕴含能够传递给基准的各种配置。

返回 GPU.js 官方网站查看残缺的计算基准，这将帮忙你理解应用 GPU.js 进行简单计算能够取得多少速度。

完结

在本教程中，咱们具体探讨了 GPU.js，剖析了它的工作原理，并演示了如何进行并行计算。咱们还演示了如何在你的 Node.js 利用中设置 GPU.js。

原文：https://blog.zhangbing.site