Få en introduktion til Erlang og Cobol her

Introduktion til Erlang

Skal din server kunne svare på mange forskellige og uafhængige forespørgsler samtidigt? Har du brug for at stykke disse forespørgsler ud til forskellige processorkerner eller servere i forskellige dele af verden? Det er stort set definitionen på it-afdelingens sværeste opgave.

Erlang, der er et open source-sprog skabt af forskere ved Ericsson Computing Laboratory, excellerer dog i netop dette.

Sproget blander traditionelle aspekter ved funktionel programmering med en moderne virtuel maskine, der kompilerer ned til maskinkode.

Sprogets struktur tvinger programmørerne til at bygge noget, der er lettere at sprede over flere processorkerner eller flere maskiner.

Der kan nævnes adskillige praktiske implementeringer i webservere samt CouchDB. Jo, den er god nok: Den database, der beder om at modtage forespørgsler skrevet i JavaScript i stedet for SQL er selv skrevet i Erlang.

Og CouchDB er kun begyndelsen. Adskillige projektledere inden for "big data," er i gang med at bygge systemer til lagring af kolossale mængder data på en skalerbar facon.

Hibari, der er et open source-projekt fra Gemini Mobile, tilbyder konsistente, skalerbare klynger til lagring af nøgle/værdi-par, der reparerer sig selv ved fejl. Den funktionelle struktur gør det lettere at skabe store applikationer, der effektivt kan jonglere med mange samtidige forbindelser.

Læs også:

Introduktion til Cobol

Læs også:

Det kan godt være, det ikke er rimeligt at kalde Cobol et nichesprog, da det engang var det dominerende sprog i erhvervslivets it-afdelinger.

Grace Murray Hopper, der blev berømt for at finde den første fejl i de tidlige mainframes, hjalp med at skabe sproget i 1959, og det er blevet forbedret hundredvis af gange siden da.

Cobol-udviklere får i dag lov til at lege med objektorienterede udvidelser, selvmodificerende kode og stort set også alle andre sjove trick.

Og alligevel har sproget i visse kredse aldrig vundet stor respekt. Som den berømte hollandske akademiker Edsger Dijkstra sagde det: "Anvendelsen af Cobol forkrøbler sindet.

Derfor bør undervisning i sproget betragtes som en kriminel handling." Mainframe-folk overalt ignorerede dog denne anmærkning og fortsatte bravt. IBM kalder en af de seneste udgivelser for "Enterprise Cobol 4.2," men den kunne lige så godt være nummereret 147.2 eller måske 588.3.

Cobol-programmører kan som regel godt lide syntaksen, der minder om naturlige sprog med egentlige substantiver og verber, der danner led og sætninger - en teknik, der godt kan få en til at tænke på Ruby.

Selvom der er færre skoler, der underviser i Cobol, så er sproget langt fra at uddø, da der stadig er mange virksomheder, der fortsat investerer i deres Cobol-software. En søgning for nylig i den amerikanske it-jobdatabase Dice.com viste 580 jobopslag, der nævnte Cobol og 1.070, der nævnte Ruby.

Størstedelen af disse job handlede om at tælle penge (asset management) eller at tælle lægebesøg (sundheds-it). Selvom dette er nogle af de samme områder, der først begyndte at anvende computere til back-office-beregninger, så skal arbejdet stadig udføres.

Versioner af sprogene, der kører på Java Virtual Machines og virtuelle maskiner i .Net, gør det muligt at migrere koden væk fra mainframes til Linux-servere. Programmører, der ønsker at bruge et mere moderne udviklingsmiljø, kan søge efter plugins til Eclipse, som vinder frem.

Læs også:

Introduktion CUDA-udvidelser

Læs også:

Introduktion til JavaScript og R

CUDA-udvidelser er biblioteker til at programmere grafikkort til at udføre enorme parallelle beregninger og er således teknisk set ikke et programmeringssprog; de er udvidelser til C.

Men visse programmører rundt om i it-afdelingerne er begyndt at udnytte de parallelle arkitekturer, der normalt er dedikeret til at beregne ting som realistisk udseende blodsprøjt i 3D-spilverdener.

Derudover medfører det at omkode til massiv parallelberegning en gentænkning af mange af traditionerne fra programmering i C og C++, hvilket gør CUDA-udvidelserne endnu mere værdifulde.

Anvendelsesmulighederne for CUDA-udvidelserne inkluderer computer vision, enorme simulationer og kolossale statistiske beregninger.

Mange problemer inden for dataanalyse er af parallel natur, hvilket gør det værd at undersøge anvendelsen af grafikprocessorer.

På en af Nvidias seneste konferencer dedikeret til CUDA-formål var der hele foredragsspor, der udelukkende handlede om beregning af væskedynamik, computer vision, databaser og data mining, finans og molekylærdynamik.

Alene denne opremsning er nok til at forklare, hvorfor kodekarlene hos de store virksomheder er blevet nysgerrige.

"Det står nu klart, at GPU'en har opnået et kritisk momentum," konkluderede Dan Vivoli, der er senior vice president hos Nvidia, ved den nævnte Nvidia-konference, efter forskere havde præsenteret videnskabelige artikler om, hvordan GPU'ens egenskaber til parallelberegning kan anvendes på disse områder.

"Processoren er nu nået ud til alle discipliner inden for videnskab og industri."

Oversat af Thomas Bøndergaard.

Læs også: