matrix_multiply代码解析
关于matrix_multiply
程序执行代码里两个矩阵的乘法，并将相乘结果打印在屏幕上。
示例的主要目的是展现怎么实现一个自定义CPU计算任务。
参考：https://github.com/sogou/workflow
示例代码
https://github.com/sogou/workflow/blob/master/tutorial/tutorial-08-matrix_multiply.cc
定义计算任务
定义计算任务需要提供3个基本信息，分别为INPUT，OUTPUT，和routine。
INPUT和OUTPUT是两个模板参数，可以是任何类型。routine表示从INPUT到OUTPUT的过程，定义如下：
template <class INPUT, class OUTPUT>
class __WFThreadTask
{
…
std::function<void (INPUT *,
OUTPUT *)> routine;
…
};
可以看出routine是一个简单的从INPUT到OUTPUT的计算过程。INPUT指针不要求是const，但用户也可以传const INPUT *的函数。
比如一个加法任务，就可这么做：
struct add_input
{
int x;
int y;
};
struct add_ouput
{
int res;
};
void add_routine(const add_input
*input, add_output *output)
{
output->res = input->x + input->y;
}
typedef
WFThreadTask<add_input, add_output> add_task;
在矩阵乘法的示例里，输入是两个矩阵，输出为一个矩阵。其定义如下：
namespace algorithm
{
using Matrix =
std::vector<std::vector>;
struct MMInput
{
Matrix a;
Matrix b;
};
struct MMOutput
{
int error;
size_t m, n, k;
Matrix c;
};
void matrix_multiply(const MMInput *in,
MMOutput *out)
{
…
}
}
矩阵乘法存在有输入矩阵不合法的问题，所以output里多了一个error域，用来表示错误。
生成计算任务
定义好输入输出的类型，以及算法的过程之后，就可以通过WFThreadTaskFactory工厂来产生计算任务了。
在WFTaskFactory.h里，计算工厂类的定义如下：
template <class INPUT, class OUTPUT>
class WFThreadTaskFactory
{
private:
using T =
WFThreadTask<INPUT, OUTPUT>;
public:
static T *create_thread_task(const
std::string& queue_name,
std::function<void (INPUT *,
OUTPUT *)> routine,
std::function<void (T *)> callback);
…
};
与之前的网络工厂类或算法工厂类略有不同，这个类需要INPUT和OUTPUT两个模板参数。
queue_name相关的知识在上一个示例里已经有介绍。routine就是你的计算过程，callback是回调。
在示例里，看到了这个调用的使用：
using MMTask =
WFThreadTask<algorithm::MMInput,
algorithm::MMOutput>;
using namespace algorithm;
int main()
{
typedef
WFThreadTaskFactory<MMInput, MMOutput> MMFactory;
MMTask *task = MMFactory::create_thread_task(“matrix_multiply_task”,
matrix_multiply,
callback);
MMInput *input = task->get_input();
input->a = {{1, 2, 3}, {4, 5, 6}};
input->b = {{7, 8}, {9, 10}, {11, 12}};
…
}
产生了task之后，通过get_input()接口得到输入数据的指针。这个可以类比网络任务的get_req()。
任务的发起和结束什么，与网络任务并没有什么区别。同样，回调也很简单：
void callback(MMTask
*task) // MMtask =
WFThreadTask<MMInput, MMOutput>
{
MMInput *input = task->get_input();
MMOutput *output = task->get_output();
assert(task->get_state() ==
WFT_STATE_SUCCESS);
if (output->error)
printf(“Error: %d
%s\n”, output->error, strerror(output->error));
else
{
printf(“Matrix A\n”);
print_matrix(input->a,
output->m, output->k);
printf(“Matrix B\n”);
print_matrix(input->b,
output->k, output->n);
printf(“Matrix A *
Matrix B =>\n”);
print_matrix(output->c,
output->m, output->n);
}
}
普通的计算任务可以忽略失败的可能性，结束状态肯定是SUCCESS。
callback里简单打印了输入输出。如果输入数据不合法，则打印错误。
算法与协议的对称性
在体系里，算法与协议在一个非常抽象的层面上是具有高度对称性的。
有自定义算法的线程任务，那显然也存在自定义协议的网络任务。
自定义算法要求提供算法的过程，而自定义协议则需要用户提供序列化和反序列化的过程。
无论是自定义算法还是自定义协议，都必须强调算法和协议都是非常纯粹的。
例如算法就是一个从INPUT到OUPUT的转换过程，算法并不知道task，series等的存在。
HTTP协议的实现上，也只关心序列化反序列化，无需要关心什么是task。而是在http task里去引用HTTP协议。
线程任务与网络任务的复合性
在这个示例里，通过WFThreadTaskFactory构建了一个线程任务。可以说这是一种最简单的计算任务构建，大多数情况下也够用了。
同样，用户可以非常简单的定义一个自有协议的server和client。
但在上一个示例里看到，可以通过算法工厂产生一个并行排序任务，这显然不是通过一个routine就能做到的。
对于网络任务，比如一个kafka任务，可能要经过与多台机器的交互才能得到结果，但对用户来讲是完全透明的。
所以，任务都是具有复合性的，如果你熟练使用框架，可以设计出很多复杂的组件出来。
