ਗੋ ਵਿੱਚ ਬਿਟਮੈਪ ਸੂਚਕਾਂਕ: ਜੰਗਲੀ ਗਤੀ 'ਤੇ ਖੋਜ ਕਰੋ

ਜਾਣ-ਪਛਾਣ

ਮੈਂ ਇਹ ਰਿਪੋਰਟ ਮਾਸਕੋ ਵਿੱਚ ਗੋਫਰਕੋਨ ਰੂਸ 2019 ਕਾਨਫਰੰਸ ਵਿੱਚ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਅਤੇ ਨਿਜ਼ਨੀ ਨੋਵਗੋਰੋਡ ਵਿੱਚ ਇੱਕ ਮੀਟਿੰਗ ਵਿੱਚ ਰੂਸੀ ਵਿੱਚ ਦਿੱਤੀ। ਅਸੀਂ ਇੱਕ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਬਾਰੇ ਗੱਲ ਕਰ ਰਹੇ ਹਾਂ - ਬੀ-ਟ੍ਰੀ ਨਾਲੋਂ ਘੱਟ ਆਮ, ਪਰ ਘੱਟ ਦਿਲਚਸਪ ਨਹੀਂ। ਸਾਂਝਾ ਕਰਨਾ ਰਿਕਾਰਡਿੰਗ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਕਾਨਫਰੰਸ ਵਿੱਚ ਭਾਸ਼ਣ ਅਤੇ ਰੂਸੀ ਵਿੱਚ ਟੈਕਸਟ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ।

ਅਸੀਂ ਦੇਖਾਂਗੇ ਕਿ ਇੱਕ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਇਹ ਕਦੋਂ ਬਿਹਤਰ ਹੁੰਦਾ ਹੈ, ਕਦੋਂ ਇਹ ਦੂਜੇ ਸੂਚਕਾਂਕ ਨਾਲੋਂ ਮਾੜਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਕਿਹੜੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਇਹ ਉਹਨਾਂ ਨਾਲੋਂ ਕਾਫ਼ੀ ਤੇਜ਼ ਹੁੰਦਾ ਹੈ; ਆਓ ਦੇਖੀਏ ਕਿ ਕਿਹੜੇ ਪ੍ਰਸਿੱਧ DBMS ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਹਨ; ਚਲੋ ਗੋ ਵਿੱਚ ਆਪਣਾ ਲਿਖਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੀਏ। ਅਤੇ "ਮਿਠਾਈ ਲਈ" ਅਸੀਂ ਆਪਣਾ ਸੁਪਰ-ਫਾਸਟ ਵਿਸ਼ੇਸ਼ ਡਾਟਾਬੇਸ ਬਣਾਉਣ ਲਈ ਤਿਆਰ-ਕੀਤੀ ਲਾਇਬ੍ਰੇਰੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ।

ਮੈਨੂੰ ਸੱਚਮੁੱਚ ਉਮੀਦ ਹੈ ਕਿ ਮੇਰੇ ਕੰਮ ਤੁਹਾਡੇ ਲਈ ਲਾਭਦਾਇਕ ਅਤੇ ਦਿਲਚਸਪ ਹੋਣਗੇ. ਜਾਣਾ!

ਜਾਣ ਪਛਾਣ

http://bit.ly/bitmapindexes
https://github.com/mkevac/gopherconrussia2019

ਸਾਰਿਆਂ ਨੂੰ ਸਤਿ ਸ਼੍ਰੀ ਅਕਾਲ! ਸ਼ਾਮ ਦੇ ਛੇ ਵੱਜ ਚੁੱਕੇ ਹਨ ਅਤੇ ਅਸੀਂ ਸਾਰੇ ਬਹੁਤ ਥੱਕ ਗਏ ਹਾਂ। ਬੋਰਿੰਗ ਡੇਟਾਬੇਸ ਇੰਡੈਕਸ ਥਿਊਰੀ ਬਾਰੇ ਗੱਲ ਕਰਨ ਦਾ ਵਧੀਆ ਸਮਾਂ, ਠੀਕ ਹੈ? ਚਿੰਤਾ ਨਾ ਕਰੋ, ਮੇਰੇ ਕੋਲ ਇੱਥੇ ਅਤੇ ਉੱਥੇ ਸਰੋਤ ਕੋਡ ਦੀਆਂ ਕੁਝ ਲਾਈਨਾਂ ਹੋਣਗੀਆਂ। 🙂

ਸਾਰੇ ਚੁਟਕਲੇ ਇਕ ਪਾਸੇ, ਰਿਪੋਰਟ ਜਾਣਕਾਰੀ ਨਾਲ ਭਰਪੂਰ ਹੈ, ਅਤੇ ਸਾਡੇ ਕੋਲ ਜ਼ਿਆਦਾ ਸਮਾਂ ਨਹੀਂ ਹੈ। ਤਾਂ ਆਓ ਸ਼ੁਰੂ ਕਰੀਏ।

ਅੱਜ ਮੈਂ ਹੇਠ ਲਿਖਿਆਂ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗਾ:

• ਸੂਚਕਾਂਕ ਕੀ ਹਨ;
• ਇੱਕ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਕੀ ਹੈ;
• ਇਹ ਕਿੱਥੇ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਕਿੱਥੇ ਨਹੀਂ ਵਰਤਿਆ ਜਾਂਦਾ ਅਤੇ ਕਿਉਂ;
• ਗੋ ਵਿੱਚ ਸਧਾਰਨ ਲਾਗੂ ਕਰਨਾ ਅਤੇ ਕੰਪਾਈਲਰ ਨਾਲ ਥੋੜਾ ਸੰਘਰਸ਼;
• ਥੋੜਾ ਘੱਟ ਸਧਾਰਨ, ਪਰ ਗੋ ਅਸੈਂਬਲਰ ਵਿੱਚ ਬਹੁਤ ਜ਼ਿਆਦਾ ਲਾਭਕਾਰੀ ਲਾਗੂਕਰਨ;
• ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਦੀਆਂ "ਸਮੱਸਿਆਵਾਂ";
• ਮੌਜੂਦਾ ਲਾਗੂਕਰਨ.

ਇਸ ਲਈ ਸੂਚਕਾਂਕ ਕੀ ਹਨ?

ਸੂਚਕਾਂਕ ਇੱਕ ਵੱਖਰਾ ਡੇਟਾ ਢਾਂਚਾ ਹੈ ਜਿਸਨੂੰ ਅਸੀਂ ਮੁੱਖ ਡੇਟਾ ਤੋਂ ਇਲਾਵਾ ਸੰਭਾਲਦੇ ਅਤੇ ਅਪਡੇਟ ਕਰਦੇ ਹਾਂ। ਇਹ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ. ਸੂਚਕਾਂਕ ਤੋਂ ਬਿਨਾਂ, ਖੋਜ ਲਈ ਡੇਟਾ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਲੰਘਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ (ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਜਿਸ ਨੂੰ ਪੂਰਾ ਸਕੈਨ ਕਿਹਾ ਜਾਂਦਾ ਹੈ), ਅਤੇ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਰੇਖਿਕ ਐਲਗੋਰਿਦਮਿਕ ਗੁੰਝਲਤਾ ਹੁੰਦੀ ਹੈ। ਪਰ ਡੇਟਾਬੇਸ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਰੇਖਿਕ ਗੁੰਝਲਤਾ ਬਹੁਤ ਹੌਲੀ ਹੁੰਦੀ ਹੈ। ਆਦਰਸ਼ਕ ਤੌਰ 'ਤੇ, ਅਸੀਂ ਇੱਕ ਲਘੂਗਣਕ ਜਾਂ ਸਥਿਰ ਪ੍ਰਾਪਤ ਕਰਾਂਗੇ।

ਇਹ ਇੱਕ ਬਹੁਤ ਹੀ ਗੁੰਝਲਦਾਰ ਵਿਸ਼ਾ ਹੈ, ਜੋ ਕਿ ਸੂਖਮਤਾਵਾਂ ਅਤੇ ਵਪਾਰ-ਆਫਾਂ ਨਾਲ ਭਰਿਆ ਹੋਇਆ ਹੈ, ਪਰ ਦਹਾਕਿਆਂ ਦੇ ਡੇਟਾਬੇਸ ਵਿਕਾਸ ਅਤੇ ਖੋਜ ਨੂੰ ਦੇਖਣ ਤੋਂ ਬਾਅਦ, ਮੈਂ ਇਹ ਕਹਿਣ ਲਈ ਤਿਆਰ ਹਾਂ ਕਿ ਡੇਟਾਬੇਸ ਸੂਚਕਾਂਕ ਬਣਾਉਣ ਲਈ ਸਿਰਫ ਕੁਝ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਪਹੁੰਚ ਹਨ।

ਪਹਿਲੀ ਪਹੁੰਚ ਖੋਜ ਸਪੇਸ ਨੂੰ ਲੜੀਵਾਰ ਤਰੀਕੇ ਨਾਲ ਘਟਾਉਣਾ ਹੈ, ਖੋਜ ਸਪੇਸ ਨੂੰ ਛੋਟੇ ਹਿੱਸਿਆਂ ਵਿੱਚ ਵੰਡਣਾ।

ਅਸੀਂ ਆਮ ਤੌਰ 'ਤੇ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੇ ਰੁੱਖਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਜਿਹਾ ਕਰਦੇ ਹਾਂ। ਇੱਕ ਉਦਾਹਰਨ ਤੁਹਾਡੀ ਅਲਮਾਰੀ ਵਿੱਚ ਸਮੱਗਰੀ ਦਾ ਇੱਕ ਵੱਡਾ ਬਕਸਾ ਹੋਵੇਗਾ ਜਿਸ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਵਿਸ਼ਿਆਂ ਵਿੱਚ ਵੰਡੀਆਂ ਗਈਆਂ ਸਮੱਗਰੀਆਂ ਦੇ ਛੋਟੇ ਬਕਸੇ ਹੁੰਦੇ ਹਨ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਸਮੱਗਰੀ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਸ਼ਾਇਦ ਉਹਨਾਂ ਨੂੰ "ਕੁਕੀਜ਼" ਕਹਿਣ ਦੀ ਬਜਾਏ "ਸਮੱਗਰੀ" ਵਾਲੇ ਬਕਸੇ ਵਿੱਚ ਲੱਭੋਗੇ, ਠੀਕ ਹੈ?

ਦੂਜੀ ਪਹੁੰਚ ਤੁਰੰਤ ਲੋੜੀਂਦੇ ਤੱਤ ਜਾਂ ਤੱਤਾਂ ਦੇ ਸਮੂਹ ਨੂੰ ਚੁਣਨਾ ਹੈ। ਅਸੀਂ ਇਸ ਨੂੰ ਹੈਸ਼ ਨਕਸ਼ੇ ਜਾਂ ਰਿਵਰਸ ਇੰਡੈਕਸ ਵਿੱਚ ਕਰਦੇ ਹਾਂ। ਹੈਸ਼ ਨਕਸ਼ਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਪਿਛਲੀ ਉਦਾਹਰਨ ਦੇ ਸਮਾਨ ਹੈ, ਪਰ ਬਕਸੇ ਦੇ ਬਕਸੇ ਦੀ ਬਜਾਏ, ਤੁਹਾਡੇ ਕੋਲ ਤੁਹਾਡੀ ਅਲਮਾਰੀ ਵਿੱਚ ਅੰਤਮ ਆਈਟਮਾਂ ਦੇ ਛੋਟੇ ਬਕਸੇ ਹਨ।

ਤੀਜਾ ਤਰੀਕਾ ਖੋਜ ਦੀ ਲੋੜ ਨੂੰ ਖਤਮ ਕਰਨਾ ਹੈ। ਅਸੀਂ ਬਲੂਮ ਫਿਲਟਰ ਜਾਂ ਕੋਕੂ ਫਿਲਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਜਿਹਾ ਕਰਦੇ ਹਾਂ। ਪਹਿਲੇ ਲੋਕ ਤੁਹਾਨੂੰ ਖੋਜ ਕਰਨ ਤੋਂ ਬਚਾਉਂਦੇ ਹੋਏ, ਤੁਰੰਤ ਜਵਾਬ ਦਿੰਦੇ ਹਨ।

ਆਖ਼ਰੀ ਪਹੁੰਚ ਉਸ ਸਾਰੀ ਸ਼ਕਤੀ ਦੀ ਪੂਰੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ ਜੋ ਆਧੁਨਿਕ ਹਾਰਡਵੇਅਰ ਸਾਨੂੰ ਦਿੰਦਾ ਹੈ। ਇਹ ਬਿਲਕੁਲ ਉਹੀ ਹੈ ਜੋ ਅਸੀਂ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਵਿੱਚ ਕਰਦੇ ਹਾਂ। ਹਾਂ, ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਸਾਨੂੰ ਕਈ ਵਾਰ ਪੂਰੇ ਸੂਚਕਾਂਕ ਵਿੱਚੋਂ ਲੰਘਣਾ ਪੈਂਦਾ ਹੈ, ਪਰ ਅਸੀਂ ਇਸਨੂੰ ਬਹੁਤ ਕੁਸ਼ਲਤਾ ਨਾਲ ਕਰਦੇ ਹਾਂ।

ਜਿਵੇਂ ਕਿ ਮੈਂ ਕਿਹਾ, ਡੇਟਾਬੇਸ ਸੂਚਕਾਂਕ ਦਾ ਵਿਸ਼ਾ ਵਿਸ਼ਾਲ ਅਤੇ ਸਮਝੌਤਿਆਂ ਨਾਲ ਭਰਿਆ ਹੋਇਆ ਹੈ. ਇਸਦਾ ਮਤਲਬ ਇਹ ਹੈ ਕਿ ਕਈ ਵਾਰ ਅਸੀਂ ਇੱਕੋ ਸਮੇਂ ਕਈ ਪਹੁੰਚਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ: ਜੇਕਰ ਸਾਨੂੰ ਖੋਜ ਨੂੰ ਹੋਰ ਤੇਜ਼ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਜਾਂ ਜੇ ਸਾਨੂੰ ਸਾਰੀਆਂ ਸੰਭਵ ਖੋਜ ਕਿਸਮਾਂ ਨੂੰ ਕਵਰ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

ਅੱਜ ਮੈਂ ਇਹਨਾਂ ਦੇ ਸਭ ਤੋਂ ਘੱਟ ਜਾਣੇ-ਪਛਾਣੇ ਪਹੁੰਚ ਬਾਰੇ ਗੱਲ ਕਰਾਂਗਾ - ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ.

ਮੈਂ ਇਸ ਵਿਸ਼ੇ 'ਤੇ ਬੋਲਣ ਵਾਲਾ ਕੌਣ ਹਾਂ?

ਮੈਂ Badoo ਵਿਖੇ ਇੱਕ ਟੀਮ ਲੀਡ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹਾਂ (ਸ਼ਾਇਦ ਤੁਸੀਂ ਸਾਡੇ ਦੂਜੇ ਉਤਪਾਦ, ਬੰਬਲ ਤੋਂ ਵਧੇਰੇ ਜਾਣੂ ਹੋ)। ਸਾਡੇ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਦੁਨੀਆ ਭਰ ਵਿੱਚ 400 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਉਪਭੋਗਤਾ ਹਨ ਅਤੇ ਬਹੁਤ ਸਾਰੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ ਜੋ ਉਹਨਾਂ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਮੈਚ ਚੁਣਦੀਆਂ ਹਨ। ਅਸੀਂ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਸਮੇਤ ਕਸਟਮ ਸੇਵਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਜਿਹਾ ਕਰਦੇ ਹਾਂ।

ਤਾਂ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਕੀ ਹੈ?

ਬਿਟਮੈਪ ਇੰਡੈਕਸ, ਜਿਵੇਂ ਕਿ ਨਾਮ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ, ਖੋਜ ਸੂਚਕਾਂਕ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਬਿੱਟਮੈਪ ਜਾਂ ਬਿੱਟਸੈੱਟਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਇੱਕ ਪੰਛੀ ਦੀ ਅੱਖ ਦੇ ਦ੍ਰਿਸ਼ ਤੋਂ, ਇਸ ਸੂਚਕਾਂਕ ਵਿੱਚ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਅਜਿਹੇ ਬਿੱਟਮੈਪ ਹੁੰਦੇ ਹਨ ਜੋ ਕਿਸੇ ਵੀ ਇਕਾਈਆਂ (ਜਿਵੇਂ ਕਿ ਲੋਕ) ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜਾਂ ਮਾਪਦੰਡਾਂ (ਉਮਰ, ਅੱਖਾਂ ਦਾ ਰੰਗ, ਆਦਿ), ਅਤੇ ਬਿੱਟ ਓਪਰੇਸ਼ਨਾਂ (AND, OR, NOT) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਐਲਗੋਰਿਦਮ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ। ) ਖੋਜ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ।

ਸਾਨੂੰ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕਿ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਉਹਨਾਂ ਮਾਮਲਿਆਂ ਲਈ ਸਭ ਤੋਂ ਅਨੁਕੂਲ ਅਤੇ ਬਹੁਤ ਵਧੀਆ ਹਨ ਜਿੱਥੇ ਖੋਜਾਂ ਹਨ ਜੋ ਬਹੁਤ ਸਾਰੇ ਘੱਟ ਕਾਰਡੀਨਲਿਟੀ ਕਾਲਮਾਂ ਵਿੱਚ ਸਵਾਲਾਂ ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ (ਸੋਚੋ ਕਿ "ਅੱਖ ਦਾ ਰੰਗ" ਜਾਂ "ਵਿਵਾਹਿਕ ਸਥਿਤੀ" ਬਨਾਮ "ਸ਼ਹਿਰ ਦੇ ਕੇਂਦਰ ਤੋਂ ਦੂਰੀ" ਵਰਗੀ ਕੋਈ ਚੀਜ਼)। ਪਰ ਮੈਂ ਬਾਅਦ ਵਿੱਚ ਦਿਖਾਵਾਂਗਾ ਕਿ ਉਹ ਉੱਚ ਕਾਰਡੀਨਲਿਟੀ ਕਾਲਮਾਂ ਲਈ ਵੀ ਵਧੀਆ ਕੰਮ ਕਰਦੇ ਹਨ।

ਆਉ ਇੱਕ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਦੀ ਸਭ ਤੋਂ ਸਰਲ ਉਦਾਹਰਣ ਨੂੰ ਵੇਖੀਏ।

ਕਲਪਨਾ ਕਰੋ ਕਿ ਸਾਡੇ ਕੋਲ ਬਾਈਨਰੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵਾਲੇ ਮਾਸਕੋ ਰੈਸਟੋਰੈਂਟਾਂ ਦੀ ਸੂਚੀ ਹੈ:

• ਮੈਟਰੋ ਦੇ ਨੇੜੇ;
• ਨਿੱਜੀ ਪਾਰਕਿੰਗ ਹੈ;
• ਉੱਥੇ ਇੱਕ ਵਰਾਂਡਾ ਹੈ (ਛੇਤੀ ਹੈ);
• ਤੁਸੀਂ ਇੱਕ ਟੇਬਲ ਰਿਜ਼ਰਵ ਕਰ ਸਕਦੇ ਹੋ (ਰਿਜ਼ਰਵੇਸ਼ਨ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ);
• ਸ਼ਾਕਾਹਾਰੀਆਂ ਲਈ ਢੁਕਵਾਂ (ਸ਼ਾਕਾਹਾਰੀ ਦੋਸਤਾਨਾ);
• ਮਹਿੰਗਾ (ਮਹਿੰਗਾ)

ਚਲੋ ਹਰੇਕ ਰੈਸਟੋਰੈਂਟ ਨੂੰ 0 ਤੋਂ ਸ਼ੁਰੂ ਹੋਣ ਵਾਲਾ ਇੱਕ ਕ੍ਰਮ ਨੰਬਰ ਦੇਈਏ ਅਤੇ 6 ਬਿੱਟਮੈਪ (ਹਰੇਕ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਇੱਕ) ਲਈ ਮੈਮੋਰੀ ਨਿਰਧਾਰਤ ਕਰੀਏ। ਅਸੀਂ ਫਿਰ ਇਹਨਾਂ ਬਿਟਮੈਪਾਂ ਨੂੰ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਾਂਗੇ ਕਿ ਰੈਸਟੋਰੈਂਟ ਕੋਲ ਇਹ ਸੰਪਤੀ ਹੈ ਜਾਂ ਨਹੀਂ। ਜੇਕਰ ਰੈਸਟੋਰੈਂਟ 4 ਵਿੱਚ ਇੱਕ ਵਰਾਂਡਾ ਹੈ, ਤਾਂ ਬਿੱਟ ਨੰਬਰ 4 ਵਿੱਚ “ਇੱਕ ਵਰਾਂਡਾ ਹੈ” ਬਿੱਟਮੈਪ ਨੂੰ 1 (ਜੇ ਕੋਈ ਵਰਾਂਡਾ ਨਹੀਂ ਹੈ, ਤਾਂ 0) 'ਤੇ ਸੈੱਟ ਕੀਤਾ ਜਾਵੇਗਾ।

ਹੁਣ ਸਾਡੇ ਕੋਲ ਸਭ ਤੋਂ ਸਰਲ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਹੈ, ਅਤੇ ਅਸੀਂ ਇਸਦੀ ਵਰਤੋਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਲਈ ਕਰ ਸਕਦੇ ਹਾਂ ਜਿਵੇਂ ਕਿ:

• “ਮੈਨੂੰ ਸ਼ਾਕਾਹਾਰੀ-ਅਨੁਕੂਲ ਰੈਸਟੋਰੈਂਟ ਦਿਖਾਓ”;
• "ਮੈਨੂੰ ਵਰਾਂਡੇ ਵਾਲੇ ਸਸਤੇ ਰੈਸਟੋਰੈਂਟ ਦਿਖਾਓ ਜਿੱਥੇ ਤੁਸੀਂ ਇੱਕ ਮੇਜ਼ ਰਿਜ਼ਰਵ ਕਰ ਸਕਦੇ ਹੋ।"

ਕਿਵੇਂ? ਆਓ ਇੱਕ ਨਜ਼ਰ ਮਾਰੀਏ। ਪਹਿਲੀ ਬੇਨਤੀ ਬਹੁਤ ਸਧਾਰਨ ਹੈ. ਸਾਨੂੰ ਸਿਰਫ਼ "ਸ਼ਾਕਾਹਾਰੀ ਅਨੁਕੂਲ" ਬਿੱਟਮੈਪ ਲੈਣ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਇਸਨੂੰ ਉਹਨਾਂ ਰੈਸਟੋਰੈਂਟਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਬਦਲਣਾ ਹੈ ਜਿਨ੍ਹਾਂ ਦੇ ਬਿੱਟ ਸਾਹਮਣੇ ਆਏ ਹਨ।


ਦੂਜੀ ਬੇਨਤੀ ਥੋੜੀ ਹੋਰ ਗੁੰਝਲਦਾਰ ਹੈ. ਸਾਨੂੰ ਸਸਤੇ ਰੈਸਟੋਰੈਂਟਾਂ ਦੀ ਸੂਚੀ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ "ਮਹਿੰਗੇ" ਬਿਟਮੈਪ 'ਤੇ ਨਾਟ ਬਿਟਮੈਪ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ, ਫਿਰ ਅਤੇ ਇਸ ਨੂੰ "ਕੀ ਮੈਂ ਇੱਕ ਟੇਬਲ ਬੁੱਕ ਕਰ ਸਕਦਾ ਹਾਂ" ਬਿੱਟਮੈਪ, ਅਤੇ ਅਤੇ ਨਤੀਜਾ "ਇੱਕ ਵਰਾਂਡਾ ਹੈ" ਬਿੱਟਮੈਪ ਨਾਲ। ਨਤੀਜੇ ਵਜੋਂ ਬਿੱਟਮੈਪ ਵਿੱਚ ਉਹਨਾਂ ਅਦਾਰਿਆਂ ਦੀ ਸੂਚੀ ਹੋਵੇਗੀ ਜੋ ਸਾਡੇ ਸਾਰੇ ਮਾਪਦੰਡਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦੇ ਹਨ। ਇਸ ਉਦਾਹਰਨ ਵਿੱਚ, ਇਹ ਸਿਰਫ਼ ਯੂਨੋਸਟ ਰੈਸਟੋਰੈਂਟ ਹੈ।


ਇੱਥੇ ਬਹੁਤ ਸਾਰੇ ਸਿਧਾਂਤ ਸ਼ਾਮਲ ਹਨ, ਪਰ ਚਿੰਤਾ ਨਾ ਕਰੋ, ਅਸੀਂ ਬਹੁਤ ਜਲਦੀ ਕੋਡ ਦੇਖਾਂਗੇ।

ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਕਿੱਥੇ ਵਰਤੇ ਜਾਂਦੇ ਹਨ?

ਜੇਕਰ ਤੁਸੀਂ ਗੂਗਲ ਬਿਟਮੈਪ ਇੰਡੈਕਸਸ ਕਰਦੇ ਹੋ, ਤਾਂ 90% ਜਵਾਬ ਇੱਕ ਤਰੀਕੇ ਨਾਲ ਜਾਂ ਕਿਸੇ ਹੋਰ ਤਰੀਕੇ ਨਾਲ ਓਰੇਕਲ ਡੀਬੀ ਨਾਲ ਸਬੰਧਤ ਹੋਣਗੇ. ਪਰ ਹੋਰ ਡੀਬੀਐਮਐਸ ਸ਼ਾਇਦ ਅਜਿਹੀ ਵਧੀਆ ਚੀਜ਼ ਦਾ ਸਮਰਥਨ ਕਰਦੇ ਹਨ, ਠੀਕ ਹੈ? ਸਚ ਵਿੱਚ ਨਹੀ.

ਆਓ ਮੁੱਖ ਸ਼ੱਕੀਆਂ ਦੀ ਸੂਚੀ ਵਿੱਚੋਂ ਲੰਘੀਏ।

MySQL ਅਜੇ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਪਰ ਇੱਕ ਪ੍ਰਸਤਾਵ ਹੈ ਜੋ ਇਸ ਵਿਕਲਪ ਨੂੰ ਜੋੜਨ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ (https://dev.mysql.com/worklog/task/?id=1524).

PostgreSQL ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਪਰ ਕਈ ਹੋਰ ਸੂਚਕਾਂਕਾਂ ਵਿੱਚ ਖੋਜ ਨਤੀਜਿਆਂ ਨੂੰ ਜੋੜਨ ਲਈ ਸਧਾਰਨ ਬਿੱਟਮੈਪ ਅਤੇ ਬਿੱਟ ਓਪਰੇਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ।

Tarantool ਕੋਲ ਬਿੱਟਸੈੱਟ ਸੂਚਕਾਂਕ ਹਨ ਅਤੇ ਉਹਨਾਂ 'ਤੇ ਸਧਾਰਨ ਖੋਜਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ।

Redis ਵਿੱਚ ਸਧਾਰਨ ਬਿੱਟਫੀਲਡ ਹਨ (https://redis.io/commands/bitfield) ਉਹਨਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੀ ਯੋਗਤਾ ਤੋਂ ਬਿਨਾਂ।

ਮੋਂਗੋਡੀਬੀ ਅਜੇ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਦਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਪਰ ਇੱਕ ਪ੍ਰਸਤਾਵ ਵੀ ਹੈ ਜੋ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਇਸ ਵਿਕਲਪ ਨੂੰ ਜੋੜਿਆ ਜਾਵੇ। https://jira.mongodb.org/browse/SERVER-1723

Elasticsearch ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਬਿੱਟਮੈਪ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ (https://www.elastic.co/blog/frame-of-reference-and-roaring-bitmaps).

• ਪਰ ਸਾਡੇ ਘਰ ਇੱਕ ਨਵਾਂ ਗੁਆਂਢੀ ਪ੍ਰਗਟ ਹੋਇਆ ਹੈ: ਪਿਲੋਸਾ। ਇਹ ਗੋ ਵਿੱਚ ਲਿਖਿਆ ਇੱਕ ਨਵਾਂ ਗੈਰ-ਸੰਬੰਧੀ ਡੇਟਾਬੇਸ ਹੈ। ਇਸ ਵਿੱਚ ਸਿਰਫ਼ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਸ਼ਾਮਲ ਹਨ ਅਤੇ ਉਹਨਾਂ 'ਤੇ ਸਭ ਕੁਝ ਆਧਾਰਿਤ ਹੈ। ਅਸੀਂ ਇਸ ਬਾਰੇ ਥੋੜ੍ਹੀ ਦੇਰ ਬਾਅਦ ਗੱਲ ਕਰਾਂਗੇ।

ਗੋ ਵਿੱਚ ਲਾਗੂ ਕਰਨਾ

ਪਰ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਇੰਨੇ ਘੱਟ ਹੀ ਕਿਉਂ ਵਰਤੇ ਜਾਂਦੇ ਹਨ? ਇਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ, ਮੈਂ ਤੁਹਾਨੂੰ ਦਿਖਾਉਣਾ ਚਾਹਾਂਗਾ ਕਿ ਗੋ ਵਿੱਚ ਇੱਕ ਬਹੁਤ ਹੀ ਸਧਾਰਨ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਨੂੰ ਕਿਵੇਂ ਲਾਗੂ ਕਰਨਾ ਹੈ.

ਬਿੱਟਮੈਪ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਸਿਰਫ਼ ਡੇਟਾ ਦੇ ਟੁਕੜੇ ਹਨ। ਗੋ ਵਿੱਚ, ਆਓ ਇਸਦੇ ਲਈ ਬਾਈਟ ਸਲਾਈਸ ਦੀ ਵਰਤੋਂ ਕਰੀਏ।

ਸਾਡੇ ਕੋਲ ਇੱਕ ਰੈਸਟੋਰੈਂਟ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਇੱਕ ਬਿੱਟਮੈਪ ਹੈ, ਅਤੇ ਬਿੱਟਮੈਪ ਵਿੱਚ ਹਰੇਕ ਬਿੱਟ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕੀ ਇੱਕ ਖਾਸ ਰੈਸਟੋਰੈਂਟ ਵਿੱਚ ਇਹ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜਾਂ ਨਹੀਂ।

ਸਾਨੂੰ ਦੋ ਸਹਾਇਕ ਫੰਕਸ਼ਨਾਂ ਦੀ ਲੋੜ ਪਵੇਗੀ। ਇੱਕ ਦੀ ਵਰਤੋਂ ਸਾਡੇ ਬਿੱਟਮੈਪਾਂ ਨੂੰ ਬੇਤਰਤੀਬ ਡੇਟਾ ਨਾਲ ਭਰਨ ਲਈ ਕੀਤੀ ਜਾਵੇਗੀ। ਬੇਤਰਤੀਬੇ, ਪਰ ਇੱਕ ਖਾਸ ਸੰਭਾਵਨਾ ਦੇ ਨਾਲ ਕਿ ਰੈਸਟੋਰੈਂਟ ਵਿੱਚ ਹਰੇਕ ਸੰਪਤੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਮੇਰਾ ਮੰਨਣਾ ਹੈ ਕਿ ਮਾਸਕੋ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਰੈਸਟੋਰੈਂਟ ਹਨ ਜਿੱਥੇ ਤੁਸੀਂ ਇੱਕ ਟੇਬਲ ਰਿਜ਼ਰਵ ਨਹੀਂ ਕਰ ਸਕਦੇ ਹੋ, ਅਤੇ ਇਹ ਮੈਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਲਗਭਗ 20% ਅਦਾਰੇ ਸ਼ਾਕਾਹਾਰੀਆਂ ਲਈ ਢੁਕਵੇਂ ਹਨ।

ਦੂਜਾ ਫੰਕਸ਼ਨ ਬਿੱਟਮੈਪ ਨੂੰ ਰੈਸਟੋਰੈਂਟਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਬਦਲ ਦੇਵੇਗਾ।


ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ "ਮੈਨੂੰ ਉਹ ਸਸਤੇ ਰੈਸਟੋਰੈਂਟ ਦਿਖਾਓ ਜਿਹਨਾਂ ਵਿੱਚ ਇੱਕ ਵੇਹੜਾ ਹੈ ਅਤੇ ਉਹ ਰਿਜ਼ਰਵੇਸ਼ਨ ਕਰ ਸਕਦੇ ਹਨ," ਸਾਨੂੰ ਦੋ ਬਿੱਟ ਓਪਰੇਸ਼ਨਾਂ ਦੀ ਲੋੜ ਹੈ: ਨਹੀਂ ਅਤੇ ਅਤੇ।

ਅਸੀਂ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਅਤੇ ਨਾ ਓਪਰੇਟਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਆਪਣੇ ਕੋਡ ਨੂੰ ਥੋੜਾ ਜਿਹਾ ਸਰਲ ਬਣਾ ਸਕਦੇ ਹਾਂ।

ਸਾਡੇ ਕੋਲ ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਓਪਰੇਸ਼ਨ ਲਈ ਫੰਕਸ਼ਨ ਹਨ। ਉਹ ਦੋਵੇਂ ਟੁਕੜਿਆਂ ਵਿੱਚੋਂ ਲੰਘਦੇ ਹਨ, ਹਰੇਕ ਤੋਂ ਅਨੁਸਾਰੀ ਤੱਤ ਲੈਂਦੇ ਹਨ, ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਬਿੱਟ ਓਪਰੇਸ਼ਨ ਨਾਲ ਜੋੜਦੇ ਹਨ ਅਤੇ ਨਤੀਜੇ ਨੂੰ ਨਤੀਜੇ ਵਾਲੇ ਟੁਕੜੇ ਵਿੱਚ ਪਾ ਦਿੰਦੇ ਹਨ।

ਅਤੇ ਹੁਣ ਅਸੀਂ ਖੋਜ ਪੁੱਛਗਿੱਛ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਆਪਣੇ ਬਿੱਟਮੈਪ ਅਤੇ ਫੰਕਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ।

ਕਾਰਜਕੁਸ਼ਲਤਾ ਇੰਨੀ ਉੱਚੀ ਨਹੀਂ ਹੈ, ਭਾਵੇਂ ਫੰਕਸ਼ਨ ਬਹੁਤ ਸਧਾਰਨ ਹਨ ਅਤੇ ਅਸੀਂ ਹਰ ਵਾਰ ਫੰਕਸ਼ਨ ਨੂੰ ਬੁਲਾਉਣ 'ਤੇ ਇੱਕ ਨਵਾਂ ਨਤੀਜਾ ਵਾਲਾ ਟੁਕੜਾ ਵਾਪਸ ਨਾ ਕਰਕੇ ਬਹੁਤ ਸਾਰਾ ਪੈਸਾ ਬਚਾਇਆ ਹੈ।

pprof ਨਾਲ ਥੋੜਾ ਜਿਹਾ ਪ੍ਰੋਫਾਈਲਿੰਗ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਮੈਂ ਦੇਖਿਆ ਕਿ ਗੋ ਕੰਪਾਈਲਰ ਵਿੱਚ ਇੱਕ ਬਹੁਤ ਹੀ ਸਧਾਰਨ ਪਰ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਓਪਟੀਮਾਈਜੇਸ਼ਨ ਗੁੰਮ ਸੀ: ਫੰਕਸ਼ਨ ਇਨਲਾਈਨਿੰਗ।

ਤੱਥ ਇਹ ਹੈ ਕਿ ਗੋ ਕੰਪਾਈਲਰ ਲੂਪਾਂ ਤੋਂ ਬਹੁਤ ਡਰਦਾ ਹੈ ਜੋ ਟੁਕੜਿਆਂ ਵਿੱਚੋਂ ਲੰਘਦੇ ਹਨ, ਅਤੇ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਅਜਿਹੇ ਲੂਪਸ ਵਾਲੇ ਇਨਲਾਈਨ ਫੰਕਸ਼ਨਾਂ ਤੋਂ ਇਨਕਾਰ ਕਰਦਾ ਹੈ।

ਪਰ ਮੈਂ ਡਰਦਾ ਨਹੀਂ ਹਾਂ ਅਤੇ ਮੈਂ ਲੂਪ ਦੀ ਬਜਾਏ ਗੋਟੋ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੰਪਾਈਲਰ ਨੂੰ ਮੂਰਖ ਬਣਾ ਸਕਦਾ ਹਾਂ, ਜਿਵੇਂ ਕਿ ਚੰਗੇ ਪੁਰਾਣੇ ਦਿਨਾਂ ਵਿੱਚ.

ਅਤੇ, ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਦੇਖ ਸਕਦੇ ਹੋ, ਹੁਣ ਕੰਪਾਈਲਰ ਸਾਡੇ ਫੰਕਸ਼ਨ ਨੂੰ ਖੁਸ਼ੀ ਨਾਲ ਇਨਲਾਈਨ ਕਰੇਗਾ! ਨਤੀਜੇ ਵਜੋਂ, ਅਸੀਂ ਲਗਭਗ 2 ਮਾਈਕ੍ਰੋ ਸਕਿੰਟ ਬਚਾਉਣ ਦਾ ਪ੍ਰਬੰਧ ਕਰਦੇ ਹਾਂ। ਭੈੜਾ ਨਹੀਂ!

ਦੂਜੀ ਰੁਕਾਵਟ ਇਹ ਦੇਖਣਾ ਆਸਾਨ ਹੈ ਕਿ ਕੀ ਤੁਸੀਂ ਅਸੈਂਬਲੀ ਆਉਟਪੁੱਟ ਨੂੰ ਨੇੜਿਓਂ ਦੇਖਦੇ ਹੋ. ਕੰਪਾਈਲਰ ਨੇ ਸਾਡੇ ਸਭ ਤੋਂ ਗਰਮ ਲੂਪ ਦੇ ਅੰਦਰ ਇੱਕ ਟੁਕੜਾ ਸੀਮਾ ਜਾਂਚ ਸ਼ਾਮਲ ਕੀਤੀ। ਤੱਥ ਇਹ ਹੈ ਕਿ ਗੋ ਇੱਕ ਸੁਰੱਖਿਅਤ ਭਾਸ਼ਾ ਹੈ, ਕੰਪਾਈਲਰ ਡਰਦਾ ਹੈ ਕਿ ਮੇਰੇ ਤਿੰਨ ਆਰਗੂਮੈਂਟ (ਤਿੰਨ ਟੁਕੜੇ) ਵੱਖ-ਵੱਖ ਆਕਾਰ ਦੇ ਹਨ. ਆਖ਼ਰਕਾਰ, ਫਿਰ ਇੱਕ ਅਖੌਤੀ ਬਫਰ ਓਵਰਫਲੋ ਦੀ ਮੌਜੂਦਗੀ ਦੀ ਇੱਕ ਸਿਧਾਂਤਕ ਸੰਭਾਵਨਾ ਹੋਵੇਗੀ.

ਆਉ ਕੰਪਾਈਲਰ ਨੂੰ ਇਹ ਦਿਖਾ ਕੇ ਭਰੋਸਾ ਦਿਵਾਉਂਦੇ ਹਾਂ ਕਿ ਸਾਰੇ ਸਲਾਈਸ ਇੱਕੋ ਆਕਾਰ ਦੇ ਹਨ। ਅਸੀਂ ਆਪਣੇ ਫੰਕਸ਼ਨ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ ਇੱਕ ਸਧਾਰਨ ਜਾਂਚ ਜੋੜ ਕੇ ਅਜਿਹਾ ਕਰ ਸਕਦੇ ਹਾਂ।

ਇਸ ਨੂੰ ਦੇਖ ਕੇ, ਕੰਪਾਈਲਰ ਖੁਸ਼ੀ ਨਾਲ ਜਾਂਚ ਨੂੰ ਛੱਡ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਅਸੀਂ ਹੋਰ 500 ਨੈਨੋਸਕਿੰਡ ਦੀ ਬਚਤ ਕਰਦੇ ਹਾਂ।

ਵੱਡੇ ਬੁੱਚੜ

ਠੀਕ ਹੈ, ਅਸੀਂ ਆਪਣੇ ਸਧਾਰਣ ਲਾਗੂਕਰਨ ਤੋਂ ਕੁਝ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਨਿਚੋੜਣ ਵਿੱਚ ਕਾਮਯਾਬ ਰਹੇ, ਪਰ ਇਹ ਨਤੀਜਾ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦਾ ਹਾਰਡਵੇਅਰ ਨਾਲ ਸੰਭਵ ਨਾਲੋਂ ਬਹੁਤ ਮਾੜਾ ਹੈ।

ਅਸੀਂ ਜੋ ਕੁਝ ਕਰਦੇ ਹਾਂ ਉਹ ਬੁਨਿਆਦੀ ਬਿੱਟ ਓਪਰੇਸ਼ਨ ਹੈ, ਅਤੇ ਸਾਡੇ ਪ੍ਰੋਸੈਸਰ ਉਹਨਾਂ ਨੂੰ ਬਹੁਤ ਕੁਸ਼ਲਤਾ ਨਾਲ ਕਰਦੇ ਹਨ। ਪਰ, ਬਦਕਿਸਮਤੀ ਨਾਲ, ਅਸੀਂ ਆਪਣੇ ਪ੍ਰੋਸੈਸਰ ਨੂੰ ਕੰਮ ਦੇ ਬਹੁਤ ਛੋਟੇ ਟੁਕੜਿਆਂ ਨਾਲ "ਫੀਡ" ਕਰਦੇ ਹਾਂ। ਸਾਡੇ ਫੰਕਸ਼ਨ ਬਾਈਟ-ਬਾਈ-ਬਾਈਟ ਆਧਾਰ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ। ਅਸੀਂ UInt8 ਦੇ ਟੁਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ 64-ਬਾਈਟ ਚੰਕਸ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਆਪਣੇ ਕੋਡ ਨੂੰ ਬਹੁਤ ਆਸਾਨੀ ਨਾਲ ਬਦਲ ਸਕਦੇ ਹਾਂ।

ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਵੇਖ ਸਕਦੇ ਹੋ, ਇਸ ਛੋਟੀ ਜਿਹੀ ਤਬਦੀਲੀ ਨੇ ਬੈਚ ਦੇ ਆਕਾਰ ਨੂੰ ਅੱਠ ਗੁਣਾ ਵਧਾ ਕੇ ਸਾਡੇ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਅੱਠ ਗੁਣਾ ਵਧਾ ਦਿੱਤਾ ਹੈ। ਲਾਭ ਰੇਖਿਕ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ.

ਅਸੈਂਬਲਰ ਵਿੱਚ ਲਾਗੂ ਕਰਨਾ

ਪਰ ਇਹ ਅੰਤ ਨਹੀਂ ਹੈ। ਸਾਡੇ ਪ੍ਰੋਸੈਸਰ 16, 32 ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ 64 ਬਾਈਟਸ ਦੇ ਟੁਕੜਿਆਂ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ। ਅਜਿਹੇ "ਵਿਆਪਕ" ਓਪਰੇਸ਼ਨਾਂ ਨੂੰ ਸਿੰਗਲ ਇੰਸਟ੍ਰਕਸ਼ਨ ਮਲਟੀਪਲ ਡੇਟਾ (SIMD; ਇੱਕ ਹਦਾਇਤ, ਬਹੁਤ ਸਾਰੇ ਡੇਟਾ) ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਕੋਡ ਨੂੰ ਬਦਲਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਤਾਂ ਜੋ ਇਹ ਅਜਿਹੇ ਓਪਰੇਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰੇ, ਨੂੰ ਵੈਕਟੋਰਾਈਜ਼ੇਸ਼ਨ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਬਦਕਿਸਮਤੀ ਨਾਲ, ਗੋ ਕੰਪਾਈਲਰ ਵੈਕਟਰਾਈਜ਼ੇਸ਼ਨ 'ਤੇ ਬਹੁਤ ਵਧੀਆ ਹੈ. ਵਰਤਮਾਨ ਵਿੱਚ, ਗੋ ਕੋਡ ਨੂੰ ਵੈਕਟਰਾਈਜ਼ ਕਰਨ ਦਾ ਇੱਕੋ ਇੱਕ ਤਰੀਕਾ ਹੈ ਗੋ ਅਸੈਂਬਲਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਹਨਾਂ ਓਪਰੇਸ਼ਨਾਂ ਨੂੰ ਹੱਥੀਂ ਲੈਣਾ ਅਤੇ ਰੱਖਣਾ।

ਗੋ ਅਸੈਂਬਲਰ ਇੱਕ ਅਜੀਬ ਜਾਨਵਰ ਹੈ। ਤੁਸੀਂ ਸ਼ਾਇਦ ਜਾਣਦੇ ਹੋਵੋਗੇ ਕਿ ਅਸੈਂਬਲੀ ਭਾਸ਼ਾ ਅਜਿਹੀ ਚੀਜ਼ ਹੈ ਜੋ ਕੰਪਿਊਟਰ ਦੇ ਆਰਕੀਟੈਕਚਰ ਨਾਲ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜੁੜੀ ਹੋਈ ਹੈ ਜਿਸ ਲਈ ਤੁਸੀਂ ਲਿਖ ਰਹੇ ਹੋ, ਪਰ ਗੋ ਵਿੱਚ ਅਜਿਹਾ ਨਹੀਂ ਹੈ। ਗੋ ਅਸੈਂਬਲਰ ਇੱਕ IRL (ਇੰਟਰਮੀਡੀਏਟ ਨੁਮਾਇੰਦਗੀ ਭਾਸ਼ਾ) ਜਾਂ ਵਿਚਕਾਰਲੀ ਭਾਸ਼ਾ ਵਰਗਾ ਹੈ: ਇਹ ਅਮਲੀ ਤੌਰ 'ਤੇ ਪਲੇਟਫਾਰਮ ਸੁਤੰਤਰ ਹੈ। ਰੌਬ ਪਾਈਕ ਨੇ ਸ਼ਾਨਦਾਰ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਰਿਪੋਰਟ ਇਸ ਵਿਸ਼ੇ 'ਤੇ ਕਈ ਸਾਲ ਪਹਿਲਾਂ ਡੇਨਵਰ ਦੇ ਗੋਫਰਕੋਨ ਵਿਖੇ.

ਇਸ ਤੋਂ ਇਲਾਵਾ, Go ਇੱਕ ਅਸਾਧਾਰਨ ਪਲਾਨ 9 ਫਾਰਮੈਟ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਜੋ ਕਿ ਆਮ ਤੌਰ 'ਤੇ ਸਵੀਕਾਰ ਕੀਤੇ AT&T ਅਤੇ Intel ਫਾਰਮੈਟਾਂ ਤੋਂ ਵੱਖਰਾ ਹੈ।

ਇਹ ਕਹਿਣਾ ਸੁਰੱਖਿਅਤ ਹੈ ਕਿ ਹੱਥ ਨਾਲ ਗੋ ਅਸੈਂਬਲਰ ਲਿਖਣਾ ਸਭ ਤੋਂ ਮਜ਼ੇਦਾਰ ਨਹੀਂ ਹੈ।

ਪਰ, ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਪਹਿਲਾਂ ਹੀ ਦੋ ਉੱਚ-ਪੱਧਰੀ ਟੂਲ ਹਨ ਜੋ ਗੋ ਅਸੈਂਬਲਰ ਲਿਖਣ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰਦੇ ਹਨ: ਪੀਚਪੀ ਅਤੇ ਐਵੋ। ਦੋਵੇਂ ਉਪਯੋਗਤਾਵਾਂ ਕ੍ਰਮਵਾਰ ਪਾਈਥਨ ਅਤੇ ਗੋ ਵਿੱਚ ਲਿਖੇ ਉੱਚ-ਪੱਧਰੀ ਕੋਡ ਤੋਂ ਗੋ ਅਸੈਂਬਲਰ ਤਿਆਰ ਕਰਦੀਆਂ ਹਨ।

ਇਹ ਉਪਯੋਗਤਾਵਾਂ ਰਜਿਸਟਰ ਅਲੋਕੇਸ਼ਨ, ਰਾਈਟਿੰਗ ਲੂਪਸ ਵਰਗੀਆਂ ਚੀਜ਼ਾਂ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਗੋ ਵਿੱਚ ਅਸੈਂਬਲੀ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਜਾਣ ਦੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦੀਆਂ ਹਨ।

ਅਸੀਂ ਐਵੋ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ, ਇਸ ਲਈ ਸਾਡੇ ਪ੍ਰੋਗਰਾਮ ਲਗਭਗ ਨਿਯਮਤ ਗੋ ਪ੍ਰੋਗਰਾਮ ਹੋਣਗੇ।

ਇਹ ਉਹ ਹੈ ਜੋ ਇੱਕ ਐਵੋ ਪ੍ਰੋਗਰਾਮ ਦੀ ਸਭ ਤੋਂ ਸਰਲ ਉਦਾਹਰਣ ਦਿਖਾਈ ਦਿੰਦੀ ਹੈ। ਸਾਡੇ ਕੋਲ ਇੱਕ ਮੇਨ() ਫੰਕਸ਼ਨ ਹੈ, ਜੋ ਆਪਣੇ ਅੰਦਰ Add() ਫੰਕਸ਼ਨ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਜਿਸਦਾ ਅਰਥ ਹੈ ਦੋ ਨੰਬਰ ਜੋੜਨਾ। ਨਾਮ ਦੁਆਰਾ ਪੈਰਾਮੀਟਰ ਪ੍ਰਾਪਤ ਕਰਨ ਅਤੇ ਮੁਫਤ ਅਤੇ ਢੁਕਵੇਂ ਪ੍ਰੋਸੈਸਰ ਰਜਿਸਟਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਇੱਥੇ ਸਹਾਇਕ ਫੰਕਸ਼ਨ ਹਨ। ਹਰੇਕ ਪ੍ਰੋਸੈਸਰ ਓਪਰੇਸ਼ਨ ਦਾ ਏਵੀਓ 'ਤੇ ਇੱਕ ਅਨੁਸਾਰੀ ਫੰਕਸ਼ਨ ਹੁੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ADDQ ਵਿੱਚ ਦੇਖਿਆ ਗਿਆ ਹੈ। ਅੰਤ ਵਿੱਚ, ਅਸੀਂ ਨਤੀਜਾ ਮੁੱਲ ਨੂੰ ਸਟੋਰ ਕਰਨ ਲਈ ਇੱਕ ਸਹਾਇਕ ਫੰਕਸ਼ਨ ਦੇਖਦੇ ਹਾਂ।

ਗੋ ਜਨਰੇਟ ਨੂੰ ਕਾਲ ਕਰਕੇ, ਅਸੀਂ ਪ੍ਰੋਗਰਾਮ ਨੂੰ ਐਵੋ 'ਤੇ ਚਲਾਵਾਂਗੇ ਅਤੇ ਨਤੀਜੇ ਵਜੋਂ, ਦੋ ਫਾਈਲਾਂ ਤਿਆਰ ਕੀਤੀਆਂ ਜਾਣਗੀਆਂ:

• ਗੋ ਅਸੈਂਬਲਰ ਵਿੱਚ ਨਤੀਜਾ ਕੋਡ ਦੇ ਨਾਲ add.s;
• ਦੋ ਸੰਸਾਰਾਂ ਨੂੰ ਜੋੜਨ ਲਈ ਫੰਕਸ਼ਨ ਹੈਡਰ ਦੇ ਨਾਲ stub.go: ਜਾਓ ਅਤੇ ਅਸੈਂਬਲਰ।

ਹੁਣ ਜਦੋਂ ਅਸੀਂ ਦੇਖਿਆ ਹੈ ਕਿ avo ਕੀ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਵੇਂ, ਆਓ ਆਪਣੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਵੇਖੀਏ। ਮੈਂ ਫੰਕਸ਼ਨਾਂ ਦੇ ਸਕੇਲਰ ਅਤੇ ਵੈਕਟਰ (SIMD) ਸੰਸਕਰਣਾਂ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਹੈ।

ਆਓ ਪਹਿਲਾਂ ਸਕੇਲਰ ਸੰਸਕਰਣਾਂ ਨੂੰ ਵੇਖੀਏ।

ਜਿਵੇਂ ਕਿ ਪਿਛਲੀ ਉਦਾਹਰਨ ਵਿੱਚ, ਅਸੀਂ ਇੱਕ ਮੁਫਤ ਅਤੇ ਵੈਧ ਆਮ ਉਦੇਸ਼ ਰਜਿਸਟਰ ਦੀ ਮੰਗ ਕਰ ਰਹੇ ਹਾਂ, ਸਾਨੂੰ ਦਲੀਲਾਂ ਲਈ ਆਫਸੈੱਟਾਂ ਅਤੇ ਆਕਾਰਾਂ ਦੀ ਗਣਨਾ ਕਰਨ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਐਵੋ ਇਹ ਸਭ ਸਾਡੇ ਲਈ ਕਰਦਾ ਹੈ।

ਅਸੀਂ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਅਤੇ ਗੋ ਕੰਪਾਈਲਰ ਨੂੰ ਚਾਲਬਾਜ਼ ਕਰਨ ਲਈ ਲੇਬਲ ਅਤੇ ਗੋਟੋ (ਜਾਂ ਜੰਪ) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸੀ, ਪਰ ਹੁਣ ਅਸੀਂ ਇਸਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਕਰ ਰਹੇ ਹਾਂ। ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਚੱਕਰ ਇੱਕ ਉੱਚ-ਪੱਧਰੀ ਸੰਕਲਪ ਹਨ. ਅਸੈਂਬਲਰ ਵਿੱਚ, ਸਾਡੇ ਕੋਲ ਸਿਰਫ ਲੇਬਲ ਅਤੇ ਜੰਪ ਹਨ.

ਬਾਕੀ ਕੋਡ ਪਹਿਲਾਂ ਤੋਂ ਹੀ ਜਾਣੂ ਅਤੇ ਸਮਝਣ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਅਸੀਂ ਲੇਬਲਾਂ ਅਤੇ ਜੰਪਾਂ ਦੇ ਨਾਲ ਇੱਕ ਲੂਪ ਦੀ ਨਕਲ ਕਰਦੇ ਹਾਂ, ਸਾਡੇ ਦੋ ਟੁਕੜਿਆਂ ਤੋਂ ਡੇਟਾ ਦਾ ਇੱਕ ਛੋਟਾ ਜਿਹਾ ਟੁਕੜਾ ਲੈਂਦੇ ਹਾਂ, ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਬਿੱਟ ਓਪਰੇਸ਼ਨ (ਅਤੇ ਇਸ ਕੇਸ ਵਿੱਚ ਨਹੀਂ) ਨਾਲ ਜੋੜਦੇ ਹਾਂ ਅਤੇ ਫਿਰ ਨਤੀਜੇ ਨੂੰ ਨਤੀਜੇ ਵਾਲੇ ਟੁਕੜੇ ਵਿੱਚ ਪਾ ਦਿੰਦੇ ਹਾਂ। ਸਾਰੇ।

ਅੰਤਮ ਅਸੈਂਬਲਰ ਕੋਡ ਇਸ ਤਰ੍ਹਾਂ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਸਾਨੂੰ ਔਫਸੈੱਟਾਂ ਅਤੇ ਆਕਾਰਾਂ (ਹਰੇ ਰੰਗ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤੇ) ਜਾਂ ਵਰਤੇ ਗਏ ਰਜਿਸਟਰਾਂ (ਲਾਲ ਵਿੱਚ ਉਜਾਗਰ ਕੀਤੇ) ਦਾ ਰਿਕਾਰਡ ਰੱਖਣ ਦੀ ਲੋੜ ਨਹੀਂ ਸੀ।

ਜੇਕਰ ਅਸੀਂ ਅਸੈਂਬਲੀ ਭਾਸ਼ਾ ਲਾਗੂ ਕਰਨ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਤੁਲਨਾ ਗੋ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਲਾਗੂ ਕਰਨ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਨਾਲ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਦੇਖਾਂਗੇ ਕਿ ਇਹ ਉਹੀ ਹੈ। ਅਤੇ ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ. ਆਖ਼ਰਕਾਰ, ਅਸੀਂ ਕੁਝ ਖਾਸ ਨਹੀਂ ਕੀਤਾ - ਅਸੀਂ ਹੁਣੇ ਦੁਬਾਰਾ ਤਿਆਰ ਕੀਤਾ ਹੈ ਕਿ ਇੱਕ ਗੋ ਕੰਪਾਈਲਰ ਕੀ ਕਰੇਗਾ.

ਬਦਕਿਸਮਤੀ ਨਾਲ, ਅਸੀਂ ਕੰਪਾਈਲਰ ਨੂੰ ਅਸੈਂਬਲੀ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖੇ ਸਾਡੇ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਇਨਲਾਈਨ ਕਰਨ ਲਈ ਮਜਬੂਰ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਗੋ ਕੰਪਾਈਲਰ ਵਿੱਚ ਵਰਤਮਾਨ ਵਿੱਚ ਅਜਿਹੀ ਕੋਈ ਵਿਸ਼ੇਸ਼ਤਾ ਨਹੀਂ ਹੈ, ਹਾਲਾਂਕਿ ਇਸ ਨੂੰ ਜੋੜਨ ਦੀ ਬੇਨਤੀ ਕਾਫ਼ੀ ਸਮੇਂ ਤੋਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।

ਇਸ ਲਈ ਅਸੈਂਬਲੀ ਭਾਸ਼ਾ ਵਿੱਚ ਛੋਟੇ ਕਾਰਜਾਂ ਤੋਂ ਕੋਈ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨਾ ਅਸੰਭਵ ਹੈ। ਸਾਨੂੰ ਜਾਂ ਤਾਂ ਵੱਡੇ ਫੰਕਸ਼ਨ ਲਿਖਣ ਦੀ ਲੋੜ ਹੈ, ਜਾਂ ਨਵੇਂ ਗਣਿਤ/ਬਿੱਟ ਪੈਕੇਜ ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਜਾਂ ਅਸੈਂਬਲਰ ਭਾਸ਼ਾ ਨੂੰ ਬਾਈਪਾਸ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।

ਆਉ ਹੁਣ ਸਾਡੇ ਫੰਕਸ਼ਨਾਂ ਦੇ ਵੈਕਟਰ ਸੰਸਕਰਣਾਂ ਨੂੰ ਵੇਖੀਏ।

ਇਸ ਉਦਾਹਰਨ ਲਈ, ਮੈਂ AVX2 ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਹੈ, ਇਸਲਈ ਅਸੀਂ ਓਪਰੇਸ਼ਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਾਂਗੇ ਜੋ 32-ਬਾਈਟ ਭਾਗਾਂ 'ਤੇ ਕੰਮ ਕਰਦੇ ਹਨ। ਕੋਡ ਦੀ ਬਣਤਰ ਬਹੁਤ ਹੀ ਸਕੇਲਰ ਸੰਸਕਰਣ ਦੇ ਸਮਾਨ ਹੈ: ਪੈਰਾਮੀਟਰ ਲੋਡ ਕਰਨਾ, ਇੱਕ ਮੁਫਤ ਸਾਂਝਾ ਰਜਿਸਟਰ ਦੀ ਮੰਗ ਕਰਨਾ, ਆਦਿ।

ਇੱਕ ਨਵੀਨਤਾ ਇਹ ਹੈ ਕਿ ਵਿਆਪਕ ਵੈਕਟਰ ਓਪਰੇਸ਼ਨ ਵਿਸ਼ੇਸ਼ ਵਿਆਪਕ ਰਜਿਸਟਰਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। 32-ਬਾਈਟ ਚੰਕਸ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਇਹ Y ਨਾਲ ਪ੍ਰੀਫਿਕਸ ਕੀਤੇ ਰਜਿਸਟਰ ਹਨ। ਇਸ ਲਈ ਤੁਸੀਂ ਕੋਡ ਵਿੱਚ YMM() ਫੰਕਸ਼ਨ ਦੇਖਦੇ ਹੋ। ਜੇਕਰ ਮੈਂ 512-ਬਿੱਟ ਭਾਗਾਂ ਨਾਲ AVX-64 ਦੀ ਵਰਤੋਂ ਕਰ ਰਿਹਾ ਸੀ, ਤਾਂ ਅਗੇਤਰ Z ਹੋਵੇਗਾ।

ਦੂਜੀ ਨਵੀਨਤਾ ਇਹ ਹੈ ਕਿ ਮੈਂ ਲੂਪ ਅਨਰੋਲਿੰਗ ਨਾਮਕ ਇੱਕ ਅਨੁਕੂਲਨ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਫੈਸਲਾ ਕੀਤਾ, ਜਿਸਦਾ ਅਰਥ ਹੈ ਲੂਪ ਦੀ ਸ਼ੁਰੂਆਤ 'ਤੇ ਜੰਪ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੱਥੀਂ ਅੱਠ ਲੂਪ ਓਪਰੇਸ਼ਨ ਕਰਨਾ। ਇਹ ਅਨੁਕੂਲਤਾ ਕੋਡ ਵਿੱਚ ਸ਼ਾਖਾਵਾਂ ਦੀ ਸੰਖਿਆ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ, ਅਤੇ ਉਪਲਬਧ ਮੁਫਤ ਰਜਿਸਟਰਾਂ ਦੀ ਸੰਖਿਆ ਦੁਆਰਾ ਸੀਮਿਤ ਹੈ।

ਖੈਰ, ਪ੍ਰਦਰਸ਼ਨ ਬਾਰੇ ਕੀ? ਉਹ ਸੁੰਦਰ ਹੈ! ਅਸੀਂ ਸਰਬੋਤਮ ਗੋ ਹੱਲ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਲਗਭਗ ਸੱਤ ਗੁਣਾ ਦੀ ਗਤੀ ਪ੍ਰਾਪਤ ਕੀਤੀ। ਪ੍ਰਭਾਵਸ਼ਾਲੀ, ਸੱਜਾ?

ਪਰ ਇੱਥੋਂ ਤੱਕ ਕਿ ਕਿਊਰੀ ਸ਼ਡਿਊਲਰ ਲਈ AVX-512, ਪ੍ਰੀਫੈਚਿੰਗ ਜਾਂ JIT (ਸਿਰਫ਼-ਇਨ-ਟਾਈਮ ਕੰਪਾਈਲਰ) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸ ਲਾਗੂਕਰਨ ਨੂੰ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਤੇਜ਼ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਪਰ ਇਹ ਜ਼ਰੂਰ ਇੱਕ ਵੱਖਰੀ ਰਿਪੋਰਟ ਲਈ ਇੱਕ ਵਿਸ਼ਾ ਹੈ.

ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਨਾਲ ਸਮੱਸਿਆਵਾਂ

ਹੁਣ ਜਦੋਂ ਅਸੀਂ ਪਹਿਲਾਂ ਹੀ ਗੋ ਵਿੱਚ ਇੱਕ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਦੇ ਇੱਕ ਸਧਾਰਨ ਲਾਗੂਕਰਨ ਅਤੇ ਅਸੈਂਬਲੀ ਭਾਸ਼ਾ ਵਿੱਚ ਇੱਕ ਬਹੁਤ ਜ਼ਿਆਦਾ ਲਾਭਕਾਰੀ ਨੂੰ ਦੇਖਿਆ ਹੈ, ਆਉ ਅੰਤ ਵਿੱਚ ਇਸ ਬਾਰੇ ਗੱਲ ਕਰੀਏ ਕਿ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਇੰਨੇ ਘੱਟ ਹੀ ਕਿਉਂ ਵਰਤੇ ਜਾਂਦੇ ਹਨ।

ਪੁਰਾਣੇ ਪੇਪਰ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਨਾਲ ਤਿੰਨ ਸਮੱਸਿਆਵਾਂ ਦਾ ਜ਼ਿਕਰ ਕਰਦੇ ਹਨ, ਪਰ ਨਵੇਂ ਪੇਪਰ ਅਤੇ ਮੈਂ ਦਲੀਲ ਦਿੰਦਾ ਹਾਂ ਕਿ ਉਹ ਹੁਣ ਢੁਕਵੇਂ ਨਹੀਂ ਹਨ। ਅਸੀਂ ਇਹਨਾਂ ਵਿੱਚੋਂ ਹਰੇਕ ਸਮੱਸਿਆ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਡੁਬਕੀ ਨਹੀਂ ਲਵਾਂਗੇ, ਪਰ ਉਹਨਾਂ ਨੂੰ ਸਤਹੀ ਤੌਰ 'ਤੇ ਦੇਖਾਂਗੇ।

ਉੱਚ ਕਾਰਡੀਨਲਿਟੀ ਦੀ ਸਮੱਸਿਆ

ਇਸ ਲਈ, ਸਾਨੂੰ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕਿ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਸਿਰਫ ਘੱਟ ਕਾਰਡੀਨਲਿਟੀ ਵਾਲੇ ਖੇਤਰਾਂ ਲਈ ਢੁਕਵੇਂ ਹਨ, ਯਾਨੀ ਉਹ ਜਿਨ੍ਹਾਂ ਦੇ ਮੁੱਲ ਘੱਟ ਹਨ (ਉਦਾਹਰਨ ਲਈ, ਲਿੰਗ ਜਾਂ ਅੱਖਾਂ ਦਾ ਰੰਗ), ਅਤੇ ਕਾਰਨ ਇਹ ਹੈ ਕਿ ਅਜਿਹੇ ਖੇਤਰਾਂ ਦੀ ਆਮ ਪ੍ਰਤੀਨਿਧਤਾ (ਇੱਕ ਬਿੱਟ ਪ੍ਰਤੀ ਮੁੱਲ) ਉੱਚ ਮੁੱਖਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਇਹ ਬਹੁਤ ਜ਼ਿਆਦਾ ਥਾਂ ਲਵੇਗਾ ਅਤੇ, ਇਸ ਤੋਂ ਇਲਾਵਾ, ਇਹ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਮਾੜੇ (ਬਹੁਤ ਘੱਟ) ਭਰੇ ਜਾਣਗੇ।


ਕਦੇ-ਕਦੇ ਅਸੀਂ ਇੱਕ ਵੱਖਰੀ ਪ੍ਰਤੀਨਿਧਤਾ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਾਂ, ਜਿਵੇਂ ਕਿ ਮਿਆਰੀ ਜੋ ਅਸੀਂ ਸੰਖਿਆਵਾਂ ਨੂੰ ਦਰਸਾਉਣ ਲਈ ਵਰਤਦੇ ਹਾਂ। ਪਰ ਇਹ ਕੰਪਰੈਸ਼ਨ ਐਲਗੋਰਿਦਮ ਦਾ ਆਗਮਨ ਸੀ ਜਿਸ ਨੇ ਸਭ ਕੁਝ ਬਦਲ ਦਿੱਤਾ. ਪਿਛਲੇ ਦਹਾਕਿਆਂ ਵਿੱਚ, ਵਿਗਿਆਨੀ ਅਤੇ ਖੋਜਕਰਤਾ ਬਿੱਟਮੈਪਾਂ ਲਈ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਕੰਪਰੈਸ਼ਨ ਐਲਗੋਰਿਦਮ ਲੈ ਕੇ ਆਏ ਹਨ। ਉਹਨਾਂ ਦਾ ਮੁੱਖ ਫਾਇਦਾ ਇਹ ਹੈ ਕਿ ਬਿੱਟ ਓਪਰੇਸ਼ਨ ਕਰਨ ਲਈ ਬਿੱਟਮੈਪਾਂ ਨੂੰ ਡੀਕੰਪ੍ਰੈਸ ਕਰਨ ਦੀ ਕੋਈ ਲੋੜ ਨਹੀਂ ਹੈ - ਅਸੀਂ ਕੰਪਰੈੱਸਡ ਬਿੱਟਮੈਪਾਂ 'ਤੇ ਸਿੱਧੇ ਬਿੱਟ ਓਪਰੇਸ਼ਨ ਕਰ ਸਕਦੇ ਹਾਂ।

ਹਾਲ ਹੀ ਵਿੱਚ, ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਦਿਖਾਈ ਦੇਣੀਆਂ ਸ਼ੁਰੂ ਹੋ ਗਈਆਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਗਰਜਣ ਵਾਲੇ ਬਿੱਟਮੈਪ। ਉਹ ਇੱਕੋ ਸਮੇਂ ਬਿੱਟਮੈਪਾਂ ਲਈ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਪ੍ਰਸਤੁਤੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ - ਬਿੱਟਮੈਪ ਖੁਦ, ਐਰੇ ਅਤੇ ਅਖੌਤੀ ਬਿੱਟ ਰਨ - ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਅਤੇ ਮੈਮੋਰੀ ਦੀ ਖਪਤ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਉਹਨਾਂ ਵਿਚਕਾਰ ਸੰਤੁਲਨ।

ਤੁਸੀਂ ਸਭ ਤੋਂ ਪ੍ਰਸਿੱਧ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਗਰਜਦੇ ਬਿੱਟਮੈਪ ਲੱਭ ਸਕਦੇ ਹੋ। ਵੱਖ-ਵੱਖ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾਵਾਂ ਲਈ ਪਹਿਲਾਂ ਹੀ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲਾਗੂਕਰਨ ਹਨ, ਜਿਸ ਵਿੱਚ Go ਲਈ ਤਿੰਨ ਤੋਂ ਵੱਧ ਲਾਗੂਕਰਨ ਸ਼ਾਮਲ ਹਨ।

ਇੱਕ ਹੋਰ ਪਹੁੰਚ ਜੋ ਉੱਚ ਮੁੱਖਤਾ ਨਾਲ ਨਜਿੱਠਣ ਵਿੱਚ ਸਾਡੀ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ, ਨੂੰ ਬਿਨਿੰਗ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਕਲਪਨਾ ਕਰੋ ਕਿ ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਖੇਤਰ ਹੈ ਜੋ ਕਿਸੇ ਵਿਅਕਤੀ ਦੀ ਉਚਾਈ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਉਚਾਈ ਇੱਕ ਫਲੋਟਿੰਗ ਪੁਆਇੰਟ ਨੰਬਰ ਹੈ, ਪਰ ਅਸੀਂ ਮਨੁੱਖ ਇਸ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਨਹੀਂ ਸੋਚਦੇ। ਸਾਡੇ ਲਈ ਉਚਾਈ 185,2 ਸੈਂਟੀਮੀਟਰ ਅਤੇ 185,3 ਸੈਂਟੀਮੀਟਰ ਵਿੱਚ ਕੋਈ ਅੰਤਰ ਨਹੀਂ ਹੈ।

ਇਹ ਪਤਾ ਚਲਦਾ ਹੈ ਕਿ ਅਸੀਂ ਸਮਾਨ ਮੁੱਲਾਂ ਨੂੰ 1 ਸੈਂਟੀਮੀਟਰ ਦੇ ਅੰਦਰ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡ ਸਕਦੇ ਹਾਂ।

ਅਤੇ ਜੇਕਰ ਅਸੀਂ ਇਹ ਵੀ ਜਾਣਦੇ ਹਾਂ ਕਿ ਬਹੁਤ ਘੱਟ ਲੋਕ 50 ਸੈਂਟੀਮੀਟਰ ਤੋਂ ਛੋਟੇ ਅਤੇ 250 ਸੈਂਟੀਮੀਟਰ ਤੋਂ ਲੰਬੇ ਹੁੰਦੇ ਹਨ, ਤਾਂ ਅਸੀਂ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਅਨੰਤ ਕਾਰਡੀਨਲਿਟੀ ਵਾਲੇ ਫੀਲਡ ਨੂੰ ਲਗਭਗ 200 ਮੁੱਲਾਂ ਦੀ ਮੁੱਖਤਾ ਵਾਲੇ ਖੇਤਰ ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹਾਂ।

ਬੇਸ਼ੱਕ, ਜੇ ਲੋੜ ਹੋਵੇ, ਅਸੀਂ ਬਾਅਦ ਵਿੱਚ ਵਾਧੂ ਫਿਲਟਰਿੰਗ ਕਰ ਸਕਦੇ ਹਾਂ।

ਉੱਚ ਬੈਂਡਵਿਡਥ ਸਮੱਸਿਆ

ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਨਾਲ ਅਗਲੀ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਉਹਨਾਂ ਨੂੰ ਅਪਡੇਟ ਕਰਨਾ ਬਹੁਤ ਮਹਿੰਗਾ ਹੋ ਸਕਦਾ ਹੈ।

ਡਾਟਾਬੇਸ ਡੇਟਾ ਨੂੰ ਅਪਡੇਟ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜਦੋਂ ਕਿ ਸੰਭਾਵੀ ਤੌਰ 'ਤੇ ਸੈਂਕੜੇ ਹੋਰ ਸਵਾਲ ਡੇਟਾ ਦੀ ਖੋਜ ਕਰ ਰਹੇ ਹਨ। ਸਾਨੂੰ ਸਮਕਾਲੀ ਡੇਟਾ ਐਕਸੈਸ ਜਾਂ ਹੋਰ ਸ਼ੇਅਰਿੰਗ ਸਮੱਸਿਆਵਾਂ ਤੋਂ ਬਚਣ ਲਈ ਲਾਕ ਦੀ ਲੋੜ ਹੈ। ਅਤੇ ਜਿੱਥੇ ਇੱਕ ਵੱਡਾ ਤਾਲਾ ਹੈ, ਉੱਥੇ ਇੱਕ ਸਮੱਸਿਆ ਹੈ - ਤਾਲਾ ਵਿਵਾਦ, ਜਦੋਂ ਇਹ ਤਾਲਾ ਇੱਕ ਰੁਕਾਵਟ ਬਣ ਜਾਂਦਾ ਹੈ।

ਇਸ ਸਮੱਸਿਆ ਨੂੰ ਸ਼ਾਰਡਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜਾਂ ਵਰਜਨਡ ਇੰਡੈਕਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਸ਼ੇਅਰਿੰਗ ਇੱਕ ਸਧਾਰਨ ਅਤੇ ਜਾਣੀ-ਪਛਾਣੀ ਚੀਜ਼ ਹੈ। ਤੁਸੀਂ ਇੱਕ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਨੂੰ ਸ਼ਾਰਡ ਕਰ ਸਕਦੇ ਹੋ ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਕੋਈ ਹੋਰ ਡੇਟਾ ਕਰਦੇ ਹੋ। ਇੱਕ ਵੱਡੇ ਤਾਲੇ ਦੀ ਬਜਾਏ, ਤੁਹਾਨੂੰ ਛੋਟੇ ਤਾਲੇ ਦਾ ਇੱਕ ਸਮੂਹ ਮਿਲੇਗਾ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਲਾਕ ਵਿਵਾਦ ਤੋਂ ਛੁਟਕਾਰਾ ਪਾਓ।

ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਦਾ ਦੂਜਾ ਤਰੀਕਾ ਹੈ ਵਰਜਨਡ ਇੰਡੈਕਸ ਦੀ ਵਰਤੋਂ ਕਰਨਾ. ਤੁਹਾਡੇ ਕੋਲ ਸੂਚਕਾਂਕ ਦੀ ਇੱਕ ਕਾਪੀ ਹੋ ਸਕਦੀ ਹੈ ਜੋ ਤੁਸੀਂ ਖੋਜਣ ਜਾਂ ਪੜ੍ਹਨ ਲਈ ਵਰਤਦੇ ਹੋ, ਅਤੇ ਇੱਕ ਜੋ ਤੁਸੀਂ ਲਿਖਣ ਜਾਂ ਅੱਪਡੇਟ ਕਰਨ ਲਈ ਵਰਤਦੇ ਹੋ। ਅਤੇ ਇੱਕ ਵਾਰ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਮੇਂ ਵਿੱਚ (ਉਦਾਹਰਨ ਲਈ, ਹਰ 100 ms ਜਾਂ 500 ms ਵਿੱਚ ਇੱਕ ਵਾਰ) ਤੁਸੀਂ ਉਹਨਾਂ ਨੂੰ ਡੁਪਲੀਕੇਟ ਕਰਦੇ ਹੋ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਵੈਪ ਕਰਦੇ ਹੋ। ਬੇਸ਼ੱਕ, ਇਹ ਪਹੁੰਚ ਸਿਰਫ ਉਹਨਾਂ ਮਾਮਲਿਆਂ ਵਿੱਚ ਲਾਗੂ ਹੁੰਦੀ ਹੈ ਜਿੱਥੇ ਤੁਹਾਡੀ ਐਪਲੀਕੇਸ਼ਨ ਥੋੜੀ ਪਛੜ ਰਹੀ ਖੋਜ ਸੂਚਕਾਂਕ ਨੂੰ ਸੰਭਾਲ ਸਕਦੀ ਹੈ।

ਇਹ ਦੋ ਪਹੁੰਚ ਇੱਕੋ ਸਮੇਂ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ: ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਕੱਟੇ ਹੋਏ ਸੰਸਕਰਣ ਵਾਲਾ ਸੂਚਕਾਂਕ ਹੋ ਸਕਦਾ ਹੈ।

ਹੋਰ ਗੁੰਝਲਦਾਰ ਸਵਾਲ

ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਦੇ ਨਾਲ ਅੰਤਮ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਸਾਨੂੰ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕਿ ਉਹ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਕਿਸਮ ਦੀਆਂ ਪੁੱਛਗਿੱਛਾਂ, ਜਿਵੇਂ ਕਿ ਸਪੈਨ ਪੁੱਛਗਿੱਛਾਂ ਲਈ ਅਨੁਕੂਲ ਨਹੀਂ ਹਨ।

ਦਰਅਸਲ, ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਬਾਰੇ ਸੋਚਦੇ ਹੋ, ਤਾਂ ਬਿੱਟ ਓਪਰੇਸ਼ਨ ਜਿਵੇਂ ਕਿ AND, OR, ਆਦਿ ਸਵਾਲਾਂ ਲਈ ਬਹੁਤ ਢੁਕਵੇਂ ਨਹੀਂ ਹਨ a la "ਮੈਨੂੰ 200 ਤੋਂ 300 ਡਾਲਰ ਪ੍ਰਤੀ ਰਾਤ ਦੇ ਕਮਰੇ ਦੇ ਰੇਟ ਵਾਲੇ ਹੋਟਲ ਦਿਖਾਓ।"

ਇੱਕ ਭੋਲਾ ਅਤੇ ਬਹੁਤ ਹੀ ਅਕਲਮੰਦ ਹੱਲ ਇਹ ਹੋਵੇਗਾ ਕਿ ਹਰ ਇੱਕ ਡਾਲਰ ਦੇ ਮੁੱਲ ਲਈ ਨਤੀਜਿਆਂ ਨੂੰ ਲੈਣਾ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਬਿੱਟਵਾਈਜ਼ ਜਾਂ ਓਪਰੇਸ਼ਨ ਨਾਲ ਜੋੜਨਾ।

ਇੱਕ ਥੋੜ੍ਹਾ ਬਿਹਤਰ ਹੱਲ ਗਰੁੱਪਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੋਵੇਗਾ। ਉਦਾਹਰਨ ਲਈ, 50 ਡਾਲਰ ਦੇ ਸਮੂਹਾਂ ਵਿੱਚ. ਇਸ ਨਾਲ ਸਾਡੀ ਪ੍ਰਕਿਰਿਆ 50 ਗੁਣਾ ਤੇਜ਼ ਹੋ ਜਾਵੇਗੀ।

ਪਰ ਇਸ ਕਿਸਮ ਦੀ ਬੇਨਤੀ ਲਈ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਬਣਾਏ ਗਏ ਦ੍ਰਿਸ਼ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਮੱਸਿਆ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਹੱਲ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਵਿਗਿਆਨਕ ਪੇਪਰਾਂ ਵਿੱਚ ਇਸਨੂੰ ਰੇਂਜ-ਏਨਕੋਡਡ ਬਿੱਟਮੈਪ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਇਸ ਨੁਮਾਇੰਦਗੀ ਵਿੱਚ, ਅਸੀਂ ਕੁਝ ਮੁੱਲ (ਉਦਾਹਰਨ ਲਈ, 200) ਲਈ ਸਿਰਫ਼ ਇੱਕ ਬਿੱਟ ਸੈੱਟ ਨਹੀਂ ਕਰਦੇ, ਪਰ ਇਹ ਮੁੱਲ ਅਤੇ ਸਭ ਕੁਝ ਉੱਚਾ ਸੈੱਟ ਕਰਦੇ ਹਾਂ। 200 ਅਤੇ ਵੱਧ। 300: 300 ਅਤੇ ਇਸ ਤੋਂ ਉੱਪਰ ਲਈ ਸਮਾਨ। ਇਤਆਦਿ.

ਇਸ ਪ੍ਰਤੀਨਿਧਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਅਸੀਂ ਇੰਡੈਕਸ ਨੂੰ ਸਿਰਫ਼ ਦੋ ਵਾਰ ਟਰਾਵਰ ਕਰਕੇ ਇਸ ਕਿਸਮ ਦੀ ਖੋਜ ਪੁੱਛਗਿੱਛ ਦਾ ਜਵਾਬ ਦੇ ਸਕਦੇ ਹਾਂ। ਪਹਿਲਾਂ, ਅਸੀਂ ਉਹਨਾਂ ਹੋਟਲਾਂ ਦੀ ਸੂਚੀ ਪ੍ਰਾਪਤ ਕਰਾਂਗੇ ਜਿੱਥੇ ਕਮਰੇ ਦੀ ਕੀਮਤ ਘੱਟ ਜਾਂ $300 ਹੈ, ਅਤੇ ਫਿਰ ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਹਟਾ ਦੇਵਾਂਗੇ ਜਿੱਥੇ ਕਮਰੇ ਦੀ ਕੀਮਤ ਘੱਟ ਜਾਂ $199 ਹੈ। ਤਿਆਰ ਹੈ।

ਤੁਸੀਂ ਹੈਰਾਨ ਹੋਵੋਗੇ, ਪਰ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜਿਓਕਿਊਰੀ ਵੀ ਸੰਭਵ ਹੈ। ਚਾਲ ਇੱਕ ਜਿਓਮੈਟ੍ਰਿਕ ਪ੍ਰਤੀਨਿਧਤਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਤਾਲਮੇਲ ਨੂੰ ਇੱਕ ਜਿਓਮੈਟ੍ਰਿਕ ਚਿੱਤਰ ਨਾਲ ਘੇਰਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, Google ਤੋਂ S2. ਚਿੱਤਰ ਨੂੰ ਤਿੰਨ ਜਾਂ ਵਧੇਰੇ ਇੰਟਰਸੈਕਟਿੰਗ ਲਾਈਨਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਦਰਸਾਉਣਾ ਸੰਭਵ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਨੰਬਰ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇਸ ਤਰ੍ਹਾਂ ਅਸੀਂ ਆਪਣੀ ਜਿਓਕਰੀ ਨੂੰ "ਪਾੜੇ ਦੇ ਨਾਲ" (ਇਹਨਾਂ ਨੰਬਰ ਵਾਲੀਆਂ ਲਾਈਨਾਂ ਦੇ ਨਾਲ) ਵਿੱਚ ਕਈ ਸਵਾਲਾਂ ਵਿੱਚ ਬਦਲ ਸਕਦੇ ਹਾਂ।

ਟਰਮੀਨਲ ਹੱਲ

ਮੈਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਮੈਂ ਤੁਹਾਨੂੰ ਥੋੜਾ ਜਿਹਾ ਦਿਲਚਸਪੀ ਲਿਆ ਹੈ ਅਤੇ ਤੁਹਾਡੇ ਕੋਲ ਹੁਣ ਤੁਹਾਡੇ ਅਸਲੇ ਵਿੱਚ ਇੱਕ ਹੋਰ ਉਪਯੋਗੀ ਸਾਧਨ ਹੈ. ਜੇਕਰ ਤੁਹਾਨੂੰ ਕਦੇ ਵੀ ਇਸ ਤਰ੍ਹਾਂ ਦਾ ਕੁਝ ਕਰਨ ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਤੁਹਾਨੂੰ ਪਤਾ ਲੱਗ ਜਾਵੇਗਾ ਕਿ ਕਿਸ ਤਰੀਕੇ ਨਾਲ ਦੇਖਣਾ ਹੈ।

ਹਾਲਾਂਕਿ, ਹਰ ਕਿਸੇ ਕੋਲ ਸਕ੍ਰੈਚ ਤੋਂ ਬਿਟਮੈਪ ਇੰਡੈਕਸ ਬਣਾਉਣ ਲਈ ਸਮਾਂ, ਧੀਰਜ, ਜਾਂ ਸਰੋਤ ਨਹੀਂ ਹੁੰਦੇ ਹਨ। ਖਾਸ ਤੌਰ 'ਤੇ ਵਧੇਰੇ ਉੱਨਤ, SIMD ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਉਦਾਹਰਨ ਲਈ.

ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਤੁਹਾਡੀ ਮਦਦ ਕਰਨ ਲਈ ਕਈ ਤਿਆਰ-ਕੀਤੇ ਹੱਲ ਹਨ।

ਗਰਜਦੇ ਬਿੱਟਮੈਪ

ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਉਹੀ ਗਰਜਣ ਵਾਲੀ ਬਿੱਟਮੈਪ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜਿਸ ਬਾਰੇ ਮੈਂ ਪਹਿਲਾਂ ਹੀ ਗੱਲ ਕੀਤੀ ਹੈ. ਇਸ ਵਿੱਚ ਉਹ ਸਾਰੇ ਲੋੜੀਂਦੇ ਕੰਟੇਨਰ ਅਤੇ ਬਿੱਟ ਓਪਰੇਸ਼ਨ ਸ਼ਾਮਲ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਤੁਹਾਨੂੰ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਬਿੱਟਮੈਪ ਇੰਡੈਕਸ ਬਣਾਉਣ ਦੀ ਲੋੜ ਹੋਵੇਗੀ।

ਬਦਕਿਸਮਤੀ ਨਾਲ, ਇਸ ਸਮੇਂ, ਕੋਈ ਵੀ ਗੋ ਸਥਾਪਨ SIMD ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦਾ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਗੋ ਸਥਾਪਨ C ਲਾਗੂਕਰਨਾਂ ਨਾਲੋਂ ਘੱਟ ਕਾਰਗੁਜ਼ਾਰੀ ਵਾਲੇ ਹਨ, ਉਦਾਹਰਨ ਲਈ।

ਪਿਲੋਸਾ

ਇੱਕ ਹੋਰ ਉਤਪਾਦ ਜੋ ਤੁਹਾਡੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ ਉਹ ਹੈ Pilosa DBMS, ਜਿਸ ਵਿੱਚ, ਅਸਲ ਵਿੱਚ, ਸਿਰਫ਼ ਬਿੱਟਮੈਪ ਸੂਚਕਾਂਕ ਹਨ। ਇਹ ਇੱਕ ਮੁਕਾਬਲਤਨ ਨਵਾਂ ਹੱਲ ਹੈ, ਪਰ ਇਹ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਦਿਲ ਜਿੱਤ ਰਿਹਾ ਹੈ.

ਪਿਲੋਸਾ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਗਰਜਣ ਵਾਲੇ ਬਿੱਟਮੈਪਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਉਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਦਿੰਦਾ ਹੈ, ਉਹਨਾਂ ਸਾਰੀਆਂ ਚੀਜ਼ਾਂ ਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ ਅਤੇ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਮੈਂ ਉੱਪਰ ਗੱਲ ਕੀਤੀ ਹੈ: ਸਮੂਹੀਕਰਨ, ਰੇਂਜ-ਏਨਕੋਡ ਕੀਤੇ ਬਿੱਟਮੈਪ, ਇੱਕ ਖੇਤਰ ਦੀ ਧਾਰਨਾ, ਆਦਿ।

ਆਉ ਇੱਕ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ Pilosa ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਇੱਕ ਉਦਾਹਰਨ 'ਤੇ ਇੱਕ ਝਾਤ ਮਾਰੀਏ ਜਿਸ ਤੋਂ ਤੁਸੀਂ ਪਹਿਲਾਂ ਹੀ ਜਾਣੂ ਹੋ।

ਇਹ ਉਦਾਹਰਨ ਬਹੁਤ ਸਮਾਨ ਹੈ ਜੋ ਤੁਸੀਂ ਪਹਿਲਾਂ ਦੇਖਿਆ ਸੀ. ਅਸੀਂ Pilosa ਸਰਵਰ ਲਈ ਇੱਕ ਕਲਾਇੰਟ ਬਣਾਉਂਦੇ ਹਾਂ, ਇੱਕ ਸੂਚਕਾਂਕ ਅਤੇ ਲੋੜੀਂਦੇ ਖੇਤਰ ਬਣਾਉਂਦੇ ਹਾਂ, ਫਿਰ ਸਾਡੇ ਖੇਤਰਾਂ ਨੂੰ ਸੰਭਾਵਨਾਵਾਂ ਦੇ ਨਾਲ ਬੇਤਰਤੀਬ ਡੇਟਾ ਨਾਲ ਭਰਦੇ ਹਾਂ ਅਤੇ ਅੰਤ ਵਿੱਚ, ਜਾਣੀ-ਪਛਾਣੀ ਪੁੱਛਗਿੱਛ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਾਂ।

ਉਸ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ "ਮਹਿੰਗੇ" ਖੇਤਰ 'ਤੇ ਨਾ ਵਰਤਦੇ ਹਾਂ, ਫਿਰ ਨਤੀਜਾ (ਜਾਂ ਅਤੇ ਇਸਨੂੰ) ਨੂੰ "ਟੇਰੇਸ" ਖੇਤਰ ਅਤੇ "ਰਿਜ਼ਰਵੇਸ਼ਨ" ਖੇਤਰ ਨਾਲ ਕੱਟਦੇ ਹਾਂ। ਅਤੇ ਅੰਤ ਵਿੱਚ, ਅਸੀਂ ਅੰਤਮ ਨਤੀਜਾ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਾਂ.

ਮੈਂ ਸੱਚਮੁੱਚ ਉਮੀਦ ਕਰਦਾ ਹਾਂ ਕਿ ਆਉਣ ਵਾਲੇ ਭਵਿੱਖ ਵਿੱਚ ਇਹ ਨਵੀਂ ਕਿਸਮ ਦਾ ਸੂਚਕਾਂਕ DBMSs ਜਿਵੇਂ MySQL ਅਤੇ PostgreSQL - bitmap indexes ਵਿੱਚ ਵੀ ਦਿਖਾਈ ਦੇਵੇਗਾ.

ਸਿੱਟਾ

ਜੇ ਤੁਸੀਂ ਅਜੇ ਤੱਕ ਸੌਂ ਨਹੀਂ ਗਏ ਹੋ, ਤਾਂ ਧੰਨਵਾਦ। ਸੀਮਤ ਸਮੇਂ ਦੇ ਕਾਰਨ ਮੈਨੂੰ ਬਹੁਤ ਸਾਰੇ ਵਿਸ਼ਿਆਂ 'ਤੇ ਸੰਖੇਪ ਰੂਪ ਵਿੱਚ ਛੂਹਣਾ ਪਿਆ, ਪਰ ਮੈਨੂੰ ਉਮੀਦ ਹੈ ਕਿ ਭਾਸ਼ਣ ਲਾਭਦਾਇਕ ਸੀ ਅਤੇ ਸ਼ਾਇਦ ਪ੍ਰੇਰਣਾਦਾਇਕ ਵੀ ਸੀ।

ਬਿਟਮੈਪ ਸੂਚਕਾਂਕ ਬਾਰੇ ਜਾਣਨਾ ਵਧੀਆ ਹੈ, ਭਾਵੇਂ ਤੁਹਾਨੂੰ ਇਸ ਸਮੇਂ ਉਹਨਾਂ ਦੀ ਲੋੜ ਨਾ ਹੋਵੇ। ਉਹਨਾਂ ਨੂੰ ਤੁਹਾਡੇ ਟੂਲਬਾਕਸ ਵਿੱਚ ਇੱਕ ਹੋਰ ਸਾਧਨ ਬਣਨ ਦਿਓ।

ਅਸੀਂ ਗੋ ਲਈ ਵੱਖ-ਵੱਖ ਪ੍ਰਦਰਸ਼ਨ ਦੀਆਂ ਚਾਲਾਂ ਨੂੰ ਦੇਖਿਆ ਹੈ ਅਤੇ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਨੂੰ ਦੇਖਿਆ ਹੈ ਜੋ ਗੋ ਕੰਪਾਈਲਰ ਅਜੇ ਬਹੁਤ ਚੰਗੀ ਤਰ੍ਹਾਂ ਨਹੀਂ ਸੰਭਾਲਦਾ ਹੈ। ਪਰ ਇਹ ਹਰ ਗੋ ਪ੍ਰੋਗਰਾਮਰ ਨੂੰ ਜਾਣਨ ਲਈ ਬਿਲਕੁਲ ਲਾਭਦਾਇਕ ਹੈ।

ਇਹ ਸਭ ਮੈਂ ਤੁਹਾਨੂੰ ਦੱਸਣਾ ਚਾਹੁੰਦਾ ਸੀ। ਤੁਹਾਡਾ ਧੰਨਵਾਦ!

ਸਰੋਤ: www.habr.com