使用GPU.js改善JavaScript效能
你是否曾經嘗試過運行復雜的計算,卻發現它需要花費很長時間,並且拖慢了你的程序?
有很多方法可以解決這個問題,例如使用 web worker 或後臺執行緒。GPU 減輕了 CPU 的處理負荷,給了 CPU 更多的空間來處理其他程序。同時,web worker 仍然執行在 CPU 上,但是執行在不同的執行緒上。
在該初學者指南中,我們將演示如何使用GPU.js執行復雜的數學計算並提高 JavaScript 應用的效能。
什麼是 GPU.js?
GPU.js 是一個針對 Web 和 Node.js 構建的 JavaScript 加速庫,用於在圖形處理單元(GPGPU)上進行通用程式設計,它使你可以將複雜且耗時的計算移交給 GPU 而不是 CPU,以實現更快的計算和操作。還有一個備用選項:在系統上沒有 GPU 的情況下,這些功能仍將在常規 JavaScript 引擎上執行。
當你要執行復雜的計算時,實質上是將這種負擔轉移給系統的 GPU 而不是 CPU,從而增加了處理速度和時間。
高效能運算是使用 GPU.js 的主要優勢之一。如果你想在瀏覽器中進行平行計算,而不瞭解 WebGL,那麼 GPU.js 是一個適合你的庫。
為什麼要使用 GPU.js
為什麼要使用 GPU 執行復雜的計算的原因不勝列舉,有太多的原因無法在一篇文章中探討。以下是使用 GPU 的一些最值得注意的好處。
- GPU 可用於執行大規模並行 GPGPU 計算。這是需要非同步完成的計算型別
- 當系統中沒有 GPU 時,它會優雅地退回到 JavaScript
- GPU 當前在瀏覽器和 Node.js 上執行,非常適合通過大量計算來加速網站
- GPU.js 是在考慮 JavaScript 的情況下構建的,因此這些功能均使用合法的 JavaScript 語法
如果你認為你的處理器可以勝任,你不需要 GPU.js,看看下面這個 GPU 和 CPU 執行計算的結果。
如你所見,GPU 比 CPU 快 22.97 倍。
GPU.js 的工作方式
考慮到這種速度水平,JavaScript 生態系統彷彿得到了一個可以乘坐的火箭。GPU 可以幫助網站更快地載入,特別是必須在首頁上執行復雜計算的網站。你不再需要擔心使用後臺執行緒和載入器,因為 GPU 執行計算的速度是普通 CPU 的 22.97 倍。
gpu.createKernel
方法建立了一個從 JavaScript 函式移植過來的 GPU 加速核心。
與 GPU 並行執行核心函式會導致更快的計算速度——快 1-15 倍,這取決於你的硬體。
GPU.js 入門
為了展示如何使用 GPU.js 更快地計算複雜的計算,讓我們快速啟動一個實際的演示。
安裝
sudo apt install mesa-common-dev libxi-dev // using Linux
npm install gpu.js --save // OR yarn add gpu.js
在你的 Node 專案中要匯入 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,計算是在 GPU 上並行完成的。
首先,生成大量資料。
const getArrayValues = () => { // 在此處建立2D arrary const values = [[], []] // 將值插入第一個陣列 for (let y = 0; y < 600; y++){ values[0].push([]) values[1].push([]) // 將值插入第二個陣列 for (let x = 0; x < 600; x++){ values\[0\][y].push(Math.random()) values\[1\][y].push(Math.random()) } } // 返回填充陣列 return values }
建立核心(執行在 GPU 上的函式的另一個詞)。
const gpu = new GPU(); // 使用 `createKernel()` 方法將陣列相乘 const multiplyLargeValues = gpu .createKernel(function(a, b) { let sum = 0; for (let i = 0; i < 600; i++) { sum += aaaaaaaaaaaaaaaa\[this.thread.yyyyyyyyyyyyyyyy\][ i ] * bbbbbbbbbbbbbbbb\[iiiiiiiiiiiiiiii\][this.thread.x]; } return sum; }) .setOutput([600, 600]);
使用矩陣作為引數呼叫核心。
const largeArray = getArrayValues(); const out = multiplyLargeValues( largeArray[0], largeArray[1] );
輸出
console.log(out\[y\][x]) // 將元素記錄在陣列的第x行和第y列 console.log(out\[10\][12]) // 記錄輸出陣列第10行和第12列的元素
執行 GPU 基準測試
你可以按照GitHub上指定的步驟執行基準測試。
npm install @gpujs/benchmark const benchmark = require('@gpujs/benchmark') const benchmarks = benchmark.benchmark(options);
options
物件包含可以傳遞給基準的各種配置。
前往 GPU.js 官方網站檢視完整的計算基準,這將幫助你瞭解使用 GPU.js 進行復雜計算可以獲得多少速度。
結束
在本教程中,我們詳細探討了 GPU.js,分析了它的工作原理,並演示瞭如何進行平行計算。我們還演示瞭如何在你的 Node.js 應用中設定 GPU.js。