practice.md

Практические задания

В данном разделе вы найдете задания для практики, своеобразные этюды для программистов, предназначенные для тренировки как навыком программирования, так и навыков проведения исследовательской работы.

Потоковый механизм ответа web-server на Cowboy

• Скачайте и установите cowboy web-сервер, написанный на erlang. Реализуйте модуль HTTP ответа, который будет возвращать 200 OK для HTTP GET запросов на страницу http://localhost:8080/simple_response. Используйте следующую инструкцию

• Дополнительно реализуйте модуль HTTP ответа, который будет возвращать 200 OK для HTTP GET запросов на страницу http://localhost:8080/chunked_response и выводить 10 chunk ответов типа chunk #1, chunk #2. Симулируйте работу каждого chunk функцией timer:sleet(1000). Используйте следующий пример для старта работы

• Дополнительно переработайте модуль HTTP ответа chunked_response, чтобы отделить логику выполнения запроса от логики посылки ответа (функция для отправки chunks cowboy_req:stream_body не должна вызывать в коде, где осуществляется подготовка тела chunk ответа). Подсказка: напишите lambda-функцию, которая будет принимать и выполнять ленивую функцию для генерации каждого chunk. В качестве одного из значений, что возвращает эта функция - функция, которая выполняет генерацию следующего chunk.

Немного о ленивых вычисления и процессах

Если Вы немного думали над вопросом, а в чем заключается особая польза в функции склеивания ленивых списков, то могли заметить наверняка, что это очень удобный механизм инкапсуляции потоков данных из разных источников - мы можем читать часть данных из файлов, часть из БД, но с точки зрения клиентской функции этот поток данных выглядит единообразно. Ничто не мешает нам соединять мощь абстракции ленивых потоков с мощностью процессов и параллельных вычислений. Задача из реальной жизни: есть некоторый поток, в котором большие блоки последовательно читаются из файлов. Чтение из файла - операция достаточно дорогая (по сравнению с памятью), а обработка данных из этого файла также может оказаться дорогой. Если мы все делаем последовательно, сначала читаем один блок, а затем его обрабатываем, то это может сказаться на производительности системы. В таком случае, процессы нам помогут делать это параллельно. Ленивый поток данных нам предоставляет удобную абстракцию потока данных, а процессы нам помогают выполнить чтение кусков данных из файла параллельно их обработке, то есть, когда после обработки одного куска данных мы запросим следующий кусок - мы его уже получим немедленно, так как он уже в памяти, а процесс время от времени одчитывает нужные блоки. Реализуйте этот подход. При этом для клиентского кода не должно быть разницы между обычным ленивым списком и списком с кешированием.