Erlang,Learning

本文介绍了Erlang这种函数式编程语言的基础知识,包括下载安装、语法特点、框架使用及高性能算法设计等内容,并推荐了一些学习资源。
1. Erlang 是什么
一种“小众”语言(排名50之外)
一种函数式语言 (变量只能赋值一次)
一种动态类型语言(变量类型在运行时决定,代码需要编译后才能执行,与Python,Ruby等不一样)
一种强类型语言
一种面向并发(Concurrency Oriented)的语言

《一场茶杯里的风暴》(刊于《程序员》06年9、10期),《[url=http://blog.mylkcn.net/post/senzung/43[/url]轻松实现可伸缩性,容错性,和负载平衡的大规模多人在线系统[/url]》是两篇极好的介绍性文章。


2.开始学习

先下载安装包
到 [url]http://www.erlang.org/[/url] 下载最新的 Erlang/OTP 版本
或者到 [url]http://cean.process-one.net/download/[/url] 下载一个更易于使用的发行版本,仅有3M大小

网上的资源
[url]http://www.erlang.org/[/url] 是官方网站,建议订阅其邮件列表
订阅 [url]http://www.planeterlang.org/[/url] 的RSS
[url]http://www.trapexit.org/[/url] 里面有不错的文章和教程
[url]http://www.process-one.net/en/[/url] 里面有不少Erlang项目
[url]http://yaws.hyber.org/[/url] 一个并发效率大大超越Apache的Web Server
[url]http://ejabberd.jabber.ru/[/url] 一个Erlang的Jabber服务器实现
[url]http://kl.agile.com/[/url] 里面有Potian和T1的一些经常讨论整理。
[url]http://groups.google.com/group/erlang-china[/url] 里面也有一些相关讨论
[url]http://tinyurl.com/5uszus[/url] 这哥们翻译了Erlang的部分文档,太好了
你也可以关注JavaEye的综合版

编辑器
Erlide,一个Eclipse的Erlang插件,问题是不够稳定,要随时做好崩溃的准备
Vim,加入vim-erlang 和 taglist 插件后就是一个不错的IDE
Emacs,推荐,会用Emacs的不妨一试
NetBeans,dcaoyuan同学正在开发一个Erlang插件,有兴趣的可以保持关注
Notepad,你太有才了,其实用笔记本写c的也一大堆...

3.语法,框架

Erlang的语法不是很难,但是写惯了OO的程序,初看还是蛮怪异的。看看文档,动手练练,入门还是很Easy的。当对基本语法,进程通讯,分布通讯都掌握之后,就是时候向OTP(Open Telecom Platform)这个平台进军的时候了,如果你想开发99.9999999%的高可用性系统。

4.算法,架构

Erlang这门FP语言提供了非常高的分布式程序开发效率,不再需要辛辛苦苦使用ACE,NIO构造一个支持高并发的通讯底层,不再需要小心翼翼使用lock,semaphore等开发一个多线程的程序。然而,更为核心的问题出现了,怎样将一个大规模计算任务通过一个良好的算法并行起来,怎样实现进程间的通讯架构,使得系统能够实现Load Balance和Fail Over,实现高可用性,健壮性,高性能的目标。

此外,需要留神IO这个常见的瓶颈,Joe Armstrong曾经写了一个pmap(parallel map)的实现,在一台32核的SUN niagara服务器上并行运行一个需要与IO交互的任务。下面是性能提升的数据

[quote] #CPUs Speedup
1 0,953
2 1,855
3 2,679
4 3,44
5 4,012
6 4,624
7 5,093
8 5,46
9 5,73
10 6,11
11 6,108
12 6,47
13 6,58
14 6,8
15 6,67
16 7
17 6,99
18 7,29
19 6,97
20 6,97
21 6,74
22 6,86
23 7,07
24 6,85
[/quote]

可见性能提升到了7%后便徘徊不前,追究其原因,是IO那里成为了瓶颈。无论是C,Java,Ruby还是Erlang,都要直视IO带来的问题。


夸夸其谈了一大坨,接下来的笔记将会进入到代码中来。
基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值