chunker

rayon 的 par_iter/par_chunks + 内部迭代 + reduce 的最小化替代品，用于默认具有进度条的切片并行处理。尽管名为 chunker，但这个包实际上非常小巧：只有 80 SLOC。

用法

cargo add chunker

使用这些参数调用 chunker::run 或 chunker::run_mut

• items — 要并行处理的值的切片
• config — 配置：thread_count、chunk_size、progress_bar、bar_step
• init — 初始化工作者的中间结果的函数
• work — 接受来自 items 的单个值并修改工作者的中间结果（以及/或修改值本身，在 run_mut 的情况下）的 Fn
• gather — 接受工作者的中间结果接收器 mpsc::Receiver 的 FnMut 并返回最终结果（通常通过 reduce）

示例

平方和

chunker::run(
    &input,
    chunker::Config::default(),
    || 0,
    |thread_sum, i| *thread_sum += i * i,
    |rx| rx.iter().sum::<i64>()
)

简单的并行实现 单词计数

use std::{collections::HashMap, io::{stdin, stdout, Read, Write, BufWriter}, cmp::Reverse};

fn main() {
    let mut text = String::new();
    stdin().read_to_string(&mut text).unwrap();
    let lower = text.to_ascii_lowercase();
    let lines: Vec<_> = lower.lines().collect();

    let word_counts = chunker::run(
        &lines,
        chunker::Config { chunk_size: 10_000, ..Default::default() },
        || HashMap::<&str, u32>::new(),
        |counts, line| {
            for word in line.split_whitespace() {
                *counts.entry(word).or_default() += 1;
            }
        },
        |rx| rx.into_iter().reduce(|mut word_counts, counts| {
            for (word, count) in counts {
                *word_counts.entry(word).or_default() += count;
            }

            word_counts
        }).unwrap(),
    );

    let mut sorted_word_counts = Vec::from_iter(word_counts);
    sorted_word_counts.sort_unstable_by_key(|&(_, count)| Reverse(count));
    let mut stdout = BufWriter::new(stdout().lock());

    for (word, count) in sorted_word_counts {
        writeln!(stdout, "{word} {count}").unwrap();
    }
}

$ hyperfine 'target/release/examples/count_words <kjvbible_x10.txt'
Benchmark 1: target/release/examples/count_words <kjvbible_x10.txt
  Time (mean ± σ):      78.7 ms ±   1.8 ms    [User: 283.2 ms, System: 20.8 ms]
  Range (min … max):    74.9 ms …  84.2 ms    36 runs