Langages de programmation pour système distribué

Aller-Lang à partir de Google est une jolie nouvelle langue. Il semble que, parmi ses nombreuses qualités, il peut un jour être approprié pour de grands systèmes distribués nécessitant beaucoup de files d'attente de messages pour atteindre évolutive, fiable et cohérente des comportements, au moins selon ces gens à heroku.

Aller semble focalisée sur les problèmes de concurrence, les primitives de thread dans la langue, et ainsi de suite, et c'est peut-être une condition nécessaire-mais-pas-assez-assez de point de départ pour des systèmes distribués. Peut-être leurs pensées, vous sera utile pour vous. Je ne dirais pas d'Aller-lang de soutien pour les systèmes distribués "de première classe", mais plutôt, disons qu'il serait possible de construire une classe de première distribués, systèmes de cadre d'utilisation de la bibliothèque et des langues primitives.

Mise à jour: je suis moins impressionné avec plusieurs années plus tard. Je pense qu'il souffre de quelques tristes et de la pensée limitée de la part de ses auteurs. Je pense que ses décisions sur la faute et la gestion des exceptions sont rétrogrades, et de rendre la langue inutilisable.

Mise à jour-2016: en fait, je suis impressionné par Aller à nouveau. Maintenant, je pense qu'en termes de grande équipe de développement, où les N-factorielle options de mise en œuvre conduit à N-factorielle de codage différents tarpits. Allez au moins ne semblent pas avoir de labrea échelle tarpits, seuls certains classiques mudwallows. Ils adorent les onglets et les insérer dans votre code pour vous si vous ne les aime assez.

En Parallèle Python est un module python qui fournit un mécanisme pour l'exécution en parallèle de code python sur SMP (systèmes à plusieurs processeurs ou cœurs) et les clusters (ordinateurs connectés via le réseau):

Caractéristiques:

• L'exécution en parallèle de code python sur les SMP et les clusters
• Facile à comprendre et à mettre en œuvre sur les emplois de la parallélisation de la technique (facile à convertir application de série en parallèle)
• Détection automatique de la configuration optimale (par défaut, le nombre de processus de travail est réglé sur le nombre réel de processeurs)
• Processeurs de dynamique de la répartition (nombre de processus de travail peut être modifiée lors de l'exécution)
• De faibles frais généraux pour les travaux ultérieurs avec la même fonction (cache transparent est mis en œuvre pour réduire les frais généraux)
• L'équilibrage de charge dynamique (les emplois sont répartis entre les processeurs au moment de l'exécution)
• La tolérance de panne (si l'un des nœuds échoue tâches sont reportés sur d'autres)
• L'Auto-découverte des ressources de calcul
• L'allocation dynamique de ressources de calcul (suite de la découverte automatique et la tolérance de panne)
• SHA fonction d'authentification pour les connexions réseau
• De la croix-plate-forme de portabilité et d'interopérabilité (Windows, Linux, Unix, Mac OS X)
• De la croix-architecture de la portabilité et l'interopérabilité (x86, x86-64, etc).
• Open source

On peut se faire une idée rapide de la façon dont le code pourrait ressembler par en regardant le guide de démarrage rapide pour les clusters.