JavaScript는 본질적으로 단일 스레드 짐승으로 설계되었습니다. 그러나 컴퓨팅의 거친 환경에서는 '멀티프로세싱' 및 '멀티코어 프로세서'로 알려진 포식자가 길들여지기를 기다리고 있으며 코드 실행을 전례 없는 속도로 향상시킬 준비가 되어 있습니다. 💪🚀  나는 감히 이 정글에 발을 들여놓아 내 코드를 궁극적인 생존 테스트에 적용했고 놀라운 결과를 얻었습니다. 🏆 이제 이 흥미진진한 탐구에 여러분도 동참할 차례입니다. 우리는 흥미로운 코드 예제로 무장하고 내 실험의 놀라운 성과에 횃불🔦을 비추면서   의 수수께끼를 깊이 파고들 것입니다. 🍎🍏 Node.js의 다중 처리  멀티프로세싱의 마법을 통해   성능을 극대화하는 아드레날린이 넘치는 모험을 떠날 준비를 하세요! 우리가 매혹적인 고옥탄 코딩 영역으로 곧 진입할 예정이므로 버클을 채우고 마음의 준비를 하십시오. JavaScript  너무 깊이 모험하기 전에 몇 가지 신뢰할 수 있는 도구를 갖추도록 합시다. 우리는 종종 힘든 계산 작업을 시뮬레이션하기 위해 몇 가지 보조 기능을 만들 것입니다.   라는 파일이라는 새로운 아티팩트를 만들고 거기에 이러한 필수 주문을 새겨 보겠습니다. utils.js   // utils.js function generateRandomData(size) { const data = []; for (let i = 0; i < size; i++) { data.push(Math.random()); } return data; } function processData(data) { // performs some calculations on the array // to simulate high resource intensity let sum = 0; for (let num of data) { for (let j = 0; j < 1000000; j++) { sum += Math.sqrt(num); } } return sum; } module.exports = { generateRandomData, processData, };  단일 스레드 버전  단일 스레드에서의 실행은 문제 해결에 대한 열심히 노력하고 안정적인 접근 방식을 나타냅니다. 단일 스레드 버전의 스크립트는 시각적으로 다음과 같이 설명할 수 있습니다.   단일 스레드 버전의 코드는 매우 간단합니다. 우리는 데이터를 생성하고 처리를 위해 보냅니다.   // sync.js const { generateRandomData, processData } = require("./utils"); const data = generateRandomData(30000); console.time("single-thread. Time:"); processData(data); console.timeEnd("single-thread. Time:");    명령을 사용하여 스크립트를 실행합니다. node sync.js  우리는 기다리고... 기다리고... 기다리고...   그리고 그 모든 기다림 끝에 우리는 스크립트의 실행 시간을 나타내는 메시지를 받습니다.   single-thread. Time:: 25.888s  이 접근 방식은 대부분의 경우에 적합합니다. 그런데 한 가지 문제가 있습니다. 올바른 마음으로 기다림의 기술을 좋아하는 사람이 누구입니까? 이 고통스러운 지연을 극복하려면 컴퓨터의 모든 화력을 활용해야 합니다! 결국, 대부분의 최신 컴퓨터에는 단일 CPU 코어 이상이 탑재되어 있습니다!  그렇다면 숫자를 처리하고   할 수 있는 추가 코어를 왜 유휴 상태로 두어야 합니까? 이제 잠자는 거인을 밝히고 멀티프로세싱의 강력한 성능을 발휘할 시간입니다! 뛰어들어보자! 코드 실행을 과급  스크립트의 다중 처리 버전  다중 처리 접근 방식을 채택함으로써 CPU의 여러 코어를 활용하여 스크립트 성능을 몇 배 향상시킬 수 있습니다. 다중 처리된 코드의 작업 프로세스는 이 다이어그램으로 시각화할 수 있습니다.   본질적으로 우리는 단순히 대규모 데이터 세트를 세그먼트로 분할하고 처리를 위해 각 세그먼트를 개별 CPU 코어에 할당하는 것입니다.    라는 파일을 만들고 다음 콘텐츠로 채웁니다. multi-process.js   // multi-process.js const childProcess = require("child_process"); const utils = require("./utils"); const data = utils.generateRandomData(30000); const chunkSize = Math.ceil(data.length / 4); const chunks = []; for (let i = 0; i < 4; i++) { const start = i * chunkSize; const end = start + chunkSize; chunks.push(data.slice(start, end)); } console.time("multiProcessed"); const workers = []; let results = []; // result collection array for (let i = 0; i < chunks.length; i++) { const worker = childProcess.fork("./worker.js"); // pass its number and data to the workflow worker.send({ workerNumber: i, data: chunks[i] }); workers.push( new Promise((resolve, reject) => { worker.on("message", (result) => { results.push(result); // add the result to the result array resolve(); }); worker.on("error", reject); worker.on("exit", (code) => { if (code !== 0) { reject(new Error(`Worker stopped with exit code ${code}`)); } }); }) ); } Promise.all(workers) .then(() => { console.timeEnd("multiProcessed"); console.log("Processing results:", results); }) .catch((err) => console.error(err));  이 코드는 Node.js의 다중 처리 데이터 처리 교향곡에서 단일 작업자 프로세스의 조정을 보여줍니다.   간단히 말해서 현재 상황은 다음과 같습니다.  작업자는   를 통해 기본 프로세스로부터 데이터와 해당 번호를 받습니다. process.on('message')    함수는 이 작업자에게 할당된 데이터 부분에 대한 계산을 수행합니다. processData  결과는 `process.send()`를 통해 메인 프로세스로 다시 전송됩니다.  작업자는   를 통해 코드 0으로 종료됩니다. process.exit()    명령을 사용하여 스크립트를 실행합니다. node multi-process.js  터보 부스트를 위해 꽉 잡아라...   그리고 우리는 코드가 5초 만에 작동했다는 결론을 얻었습니다!   Worker 0 started Worker 1 started Worker 2 started Worker 3 started ==================== Worker 1 finished ==================== Worker 2 finished ==================== Worker 3 finished ==================== Worker 0 finished multiProcessed: 5.266s Processing results: [ 4971422688.053512, 4989646323.157899, 4999088030.661542, 5008034869.924775 ]  우리 스크립트는 4배 더 빠르게 작동했습니다! 정말 대단하지 않나요?  위대한 공개: 테스트 결과  나는 열렬한 호기심을 가지고 4코어 프로세서가 장착된 컴퓨터에서 두 스크립트를 모두 실행하면서 마법이 펼쳐지는 것을 지켜보았습니다.  우리의 단일 스레드 스크립트인 솔로 아티스트는   만에 데이터를 부지런히 처리했습니다. 25.8초  강력한 팀, 멀티 스레드 스크립트로 단   만에 성공했습니다! 5.2초   계산 속도를 4배 이상 향상시키는 멀티프로세싱의 강력한 성능을 확인하세요!  이러한 뚜렷한 대조는 멀티프로세싱이 어떻게 기계의 계산 능력을 대폭 증폭시키고 실행 시간을 단축할 수 있는지를 강조합니다.  마지막 생각들  우리의 스릴 넘치는 탐구는 다중 처리가   어떻게 가속화할 수 있는지에 대한 생생한 그림을 그립니다. 모든 단일 프로세서 코어에 코드를 적용하면 걷기에서 순간 이동으로 전환하는 것과 유사한 성능 향상이 가능합니다! Node.js의 계산 작업을  코딩 화살통에 이 화살표를 추가하고 프로젝트에서 이 접근 방식을 실험해 보는 것은 확실히 가치가 있습니다. 그리고 Node.js에 작업자 스레드가 등장하면서 다중 처리 구현이 쉬워졌습니다.  이 글을 읽으면서 아드레날린이 분출되시나요? 아래 댓글로 Node.js의 멀티프로세싱에 대한 여러분의 모험을 자유롭게 공유해 주세요! 계속해서 고속 코딩의 신비를 함께 풀어봅시다.

This story contains new, firsthand information uncovered by the writer.

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

Unlock the world of tech with me! Dive in, explore, and let's reshape the future together. Click here to subscribe and never miss a post!

Read My Stories

이 오디오는 이야기의 원래 언어로 제작되었습니다!

다중 처리를 통해 JavaScript 애플리케이션 속도를 4배 향상한 방법

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

바다 항해: 데이터 레이크를 사용하여 프로덕션 등급 RAG 애플리케이션 개발

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

바다 항해: 데이터 레이크를 사용하여 프로덕션 등급 RAG 애플리케이션 개발

AI/ML 데이터레이크용 참조 아키텍처 구축을 위한 설계자 가이드

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

포럼에서 피드까지: 소셜 미디어 알고리즘이 디지털 상호작용을 형성하는 방식

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps