a most difficult subpart

Author: returned-to-life

ru/overviews/parallel-collections/configuration.md

@@ -0,0 +1,58 @@
+---
+layout: overview-large
+title: Конфигурирование параллельных коллекций
+
+disqus: true
+
+partof: parallel-collections
+language: ru
+num: 7
+---
+
+## Обслуживание задач
+
+Параллельные коллекции предоставляют возможность выбора методов планирования задач при выполнении операций. В числе параметров каждой параллельной коллекции есть так называемый объект обслуживания задач, который и отвечает за планирование и распределение нагрузки на процессоры.
+
+Внутри объект обслуживания задач содержит ссылку на реализацию пула потоков; кроме того он определяет, как и когда задачи разбиваются на более мелкие подзадачи. Подробнее о том, как конкретно происходит этот процесс, можно узнать в техническом отчете \[[1][1]\].
+
+В настоящее время для параллельных коллекций доступно несколько реализаций объекта поддержки задач. Например, `ForkJoinTaskSupport` реализован посредством "fork-join" пула и используется по умолчанию на JVM 1.6 или более поздних. Менее эффективный `ThreadPoolTaskSupport` является резервом для JVM 1.5 и тех машин, которые не поддерживают пулы "fork-join". `ExecutionContextTaskSupport` берет реализацию контекста исполнения по умолчанию из `scala.concurrent`, и использует тот же пул потоков, что и `scala.concurrent` (в зависимости от версии JVM, это может быть пул "fork-join" или "thread pool executor"). По умолчанию каждой параллельной коллекции назначается именно обслуживание задач контекста выполнения, поэтому параллельные коллекции используют тот же пул "fork-join", что и API объектов "future".
+
+Сменить метод обслуживания задач для параллельной коллекции можно так:
+
+    scala> import scala.collection.parallel._
+    import scala.collection.parallel._
+    
+    scala> val pc = mutable.ParArray(1, 2, 3)
+    pc: scala.collection.parallel.mutable.ParArray[Int] = ParArray(1, 2, 3)
+    
+    scala> pc.tasksupport = new ForkJoinTaskSupport(new scala.concurrent.forkjoin.ForkJoinPool(2))
+    pc.tasksupport: scala.collection.parallel.TaskSupport = scala.collection.parallel.ForkJoinTaskSupport@4a5d484a
+    
+    scala> pc map { _ + 1 }
+    res0: scala.collection.parallel.mutable.ParArray[Int] = ParArray(2, 3, 4)
+
+Приведенное выше настраивает параллельную коллекцию на использование "fork-join" пула с уровнем параллелизма равным 2. Заставить коллекцию использовать "thread pool executor" можно так:
+
+    scala> pc.tasksupport = new ThreadPoolTaskSupport()
+    pc.tasksupport: scala.collection.parallel.TaskSupport = scala.collection.parallel.ThreadPoolTaskSupport@1d914a39
+    
+    scala> pc map { _ + 1 }
+    res1: scala.collection.parallel.mutable.ParArray[Int] = ParArray(2, 3, 4)
+
+Когда параллельная коллекция сериализуется, поле объекта обслуживания задач исключается из сериализуемых. Когда параллельная коллекция восстанавливается из полученной последовательности байт, это поле приобретает значение по умолчанию-- способ обслуживания задач контекста выполнения.
+
+Чтобы реализовать собственный механизм поддержки задач, достаточно расширить трейт `TaskSupport` и реализовать следующие методы:
+
+    def execute[R, Tp](task: Task[R, Tp]): () => R
+    
+    def executeAndWaitResult[R, Tp](task: Task[R, Tp]): R
+    
+    def parallelismLevel: Int
+
+Метод `execute` планирует асинхронное выполнение задачи и возвращает "future" в качестве ссылки к будущему результату выполнения. Метод `executeAndWait` делает то же самое, но возвращает результат только после завершения задачи. Метод `parallelismLevel` просто возвращает предпочитаемое количество ядер, которые обслуживание задач использует для планирования заданий.
+
+## Ссылки
+
+1. [On a Generic Parallel Collection Framework, June 2011][1]
+
+  [1]: http://infoscience.epfl.ch/record/165523/files/techrep.pdf "parallel-collections"