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，并且拖慢了你的進程?

有很多方法可以解決這個問題，例如使用web worker或后臺線程。GPU減輕了CPU的處理負荷，給了CPU更多的空間來處理其他進程。同時，web worker仍然運行在CPU上，但是運行在不同的線程上。

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并提高JavaScript應用的性能。

什么是GPU.js?

GPU.js是一個針對Web和Node.js構建的JavaScript加速庫，用于在圖形處理單元(GPGPU)上進行通用編程，它使你可以將復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引擎上運行。

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。

高性能計算是使用GPU.js的主要優勢之一。如果你想在瀏覽器中進行并行計算，而不了解WebGL，那么GPU.js是一個適合你的庫。

為什么要使用GPU.js

為什么要使用GPU執行復雜的計算的原因不勝枚舉，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可用于執行大規模并行GPGPU計算。這是需要異步完成的計算類型

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上運行，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運行計算的結果。

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生態系統仿佛得到了一個可以乘坐的火箭。GPU可以幫助網站更快地加載，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后臺線程和加載器，因為GPU運行計算的速度是普通CPU的22.97倍。

gpu.createKernel 方法創建了一個從JavaScript函數移植過來的GPU加速內核。

與GPU并行運行內核函數會導致更快的計算速度——快1-15倍，這取決于你的硬件。

GPU.js入門

為了展示如何使用GPU.js更快地計算復雜的計算，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

npm install gpu.js --save

// OR

yarn add gpu.js

在你的Node項目中要導入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上并行完成的。

首先，生成大量數據。

const getArrayValues = () => {

// 在此處創建2D arrary

const values = [[], []]

// 將值插入第一個數組

for (let y = 0; y < 600; y++){

values[0].push([])

values[1].push([])

// 將值插入第二個數組

for (let x = 0; x < 600; x++){

values\[0\][y].push(Math.random())

values\[1\][y].push(Math.random())

}

}

// 返回填充數組

return values

}

創建內核(運行在GPU上的函數的另一個詞)。

const gpu = new GPU();

// 使用 `createKernel()` 方法將數組相乘

const multiplyLargeValues = gpu.createKernel(function(a, b) {

let sum = 0;

for (let i = 0; i < 600; i++) {

sum += a\[this.thread.y\][i] * b\[i\][this.thread.x];

}

return sum;

}).setOutput([600, 600])

使用矩陣作為參數調用內核。

const largeArray = getArrayValues()

const out = multiplyLargeValues(largeArray[0], largeArray[1])

輸出

console.log(out\[y\][x]) // 將元素記錄在數組的第x行和第y列

console.log(out\[10\][12]) // 記錄輸出數組第10行和第12列的元素

運行GPU基準測試

你可以按照GitHub上指定的步驟運行基準測試。

npm install @gpujs/benchmark

const benchmark = require('@gpujs/benchmark')

const benchmarks = benchmark.benchmark(options);

options 對象包含可以傳遞給基準的各種配置。

前往GPU.js官方網站查看完整的計算基準，這將幫助你了解使用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，并演示了如何進行并行計算。我們還演示了如何在你的Node.js應用中設置GPU.js。

文中鏈接請點擊文末閱讀原文鏈接

原文：https://blog.logrocket.com/improving-javascript-performance-with-gpu-js/

作者：Solomon Eseme