看spark示例代码如何求的PI

标签：python   spark   pi   

以前也知道蒙特卡洛投针求PI，今天安装spark，安完先要试试他自带的几个小程序看看能不能用，我主要会用python写程序，也就是pyspark所以在spark里的examples目录深处找python的文件夹，里面的pi.py就是。看了一下源码是这样的：

import sys
from random import random
from operator import add

from pyspark import SparkContext


if __name__ == "__main__":
    """
        Usage: pi [partitions]
    """
    sc = SparkContext(appName="PythonPi")
    partitions = int(sys.argv[1]) if len(sys.argv) > 1 else 2
    n = 100000 * partitions

    def f(_):
        x = random() * 2 - 1
        y = random() * 2 - 1
        return 1 if x ** 2 + y ** 2 < 1 else 0

    count = sc.parallelize(range(1, n + 1), partitions).map(f).reduce(add)
    print("Pi is roughly %f" % (4.0 * count / n))

    sc.stop()

跑了一下效果还是不错的，结果每次都不一样但在3.14附近，当然他用MapReduce，我也可以写一个不用分布计算的嘛，然后拿C++写了一个：

#include <iostream>
#include <cmath>
#include <stdlib.h>
using namespace std;

int main()
{
    int n;
    cout<<"键入模拟投针次数:\n";
    cin>>n;
    int in_circle_cnt=0;
    for(int i=0;i<=n;i++)
    {
        double x=(double(rand()%1000)/1000.0)*2-1;
        double y=(double(rand()%1000)/1000.0)*2-1;
        double dist=x*x+y*y;
        if(dist<=1.0)
            in_circle_cnt++;
    }
    cout<<"PI值约为:"<<4.0*double(in_circle_cnt)/double(n)<<endl;
    return 0;
}

意思是到了，效果很差模拟上亿次也不太好，而且相同输入每次都一样结果，当然了，差别就在随机函数上了，我C++里用的是C标准库的伪随机表，而python的随机函数random()要优秀的多，才能尽量造成随机且均匀分布的感觉。

看spark示例代码如何求的PI

标签：python   spark   pi   

原文地址：http://blog.csdn.net/xiaopangxia/article/details/47681773