使用GPU.js改善JavaScript性能

时间 2020-12-27

标签 javascript java git github web shell npm 编程数组浏览器栏目 JavaScript 繁體版

原文原文链接

你是否曾经尝试过运行复杂的计算，却发现它须要花费很长时间，而且拖慢了你的进程？javascript

有不少方法能够解决这个问题，例如使用web worker或后台线程。GPU减轻了CPU的处理负荷，给了CPU更多的空间来处理其余进程。同时，web worker仍然运行在CPU上，可是运行在不一样的线程上。java

在该初学者指南中，咱们将演示如何使用GPU.js执行复杂的数学计算并提升JavaScript应用的性能。git

什么是GPU.js？

GPU.js是一个针对Web和Node.js构建的JavaScript加速库，用于在图形处理单元（GPGPU）上进行通用编程，它使你能够将复杂且耗时的计算移交给GPU而不是CPU，以实现更快的计算和操做。还有一个备用选项：在系统上没有GPU的状况下，这些功能仍将在常规JavaScript引擎上运行。github

当你要执行复杂的计算时，实质上是将这种负担转移给系统的GPU而不是CPU，从而增长了处理速度和时间。web

高性能计算是使用GPU.js的主要优点之一。若是你想在浏览器中进行并行计算，而不了解WebGL，那么GPU.js是一个适合你的库。shell

为何要使用GPU.js

为何要使用GPU执行复杂的计算的缘由不胜枚举，有太多的缘由没法在一篇文章中探讨。如下是使用GPU的一些最值得注意的好处。npm

GPU可用于执行大规模并行GPGPU计算。这是须要异步完成的计算类型
当系统中没有GPU时，它会优雅地退回到JavaScript
GPU当前在浏览器和Node.js上运行，很是适合经过大量计算来加速网站
GPU.js是在考虑JavaScript的状况下构建的，所以这些功能均使用合法的JavaScript语法

若是你认为你的处理器能够胜任，你不须要GPU.js，看看下面这个GPU和CPU运行计算的结果。编程

如你所见，GPU比CPU快22.97倍。数组

GPU.js的工做方式

考虑到这种速度水平，JavaScript生态系统仿佛获得了一个能够乘坐的火箭。GPU能够帮助网站更快地加载，特别是必须在首页上执行复杂计算的网站。你再也不须要担忧使用后台线程和加载器，由于GPU运行计算的速度是普通CPU的22.97倍。浏览器

gpu.createKernel 方法建立了一个从JavaScript函数移植过来的GPU加速内核。

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

GPU.js入门

为了展现如何使用GPU.js更快地计算复杂的计算，让咱们快速启动一个实际的演示。

安装

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

在下面的示例中，计算是在GPU上并行完成的。

首先，生成大量数据。

const getArrayValues = () => {

  // 在此处建立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
}

建立内核（运行在GPU上的函数的另外一个词）。

const gpu = new GPU();

// 使用 `createKernel()` 方法将数组相乘
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])

使用矩阵做为参数调用内核。

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

输出

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]) // 记录输出数组第10行和第12列的元素

运行GPU基准测试

你能够按照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 对象包含能够传递给基准的各类配置。

前往GPU.js官方网站查看完整的计算基准，这将帮助你了解使用GPU.js进行复杂计算能够得到多少速度。

结束

在本教程中，咱们详细探讨了GPU.js，分析了它的工做原理，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应用中设置GPU.js。

原文：https://blog.zhangbing.site