相关推荐：《javascript视频教程》
你是否曾经尝试过运行复杂的计算，却发现它需要花费很长时间，并且拖慢了你的进程？
有很多方法可以解决这个问题，例如使用web worker或后台线程。GPU减轻了CPU的处理负荷，给了CPU更多的空间来处理其他进程。同时，web worker仍然运行在CPU上，但是运行在不同的线程上。
在该初学者指南中，我们将演示如何使用GPU.js执行复杂的数学计算并提高JavaScript应用的性能。
立即学习“Java免费学习笔记（深入）”；
什么是GPU.js？
GPU.js是一个针对Web和Node.js构建的JavaScript加速库，用于在图形处理单元（GPGPU）上进行通用编程，它使你可以将复杂且耗时的计算移交给GPU而不是CPU，以实现更快的计算和操作。还有一个备用选项：在系统上没有GPU的情况下，这些功能仍将在常规JavaScript引擎上运行。
当你要执行复杂的计算时，实质上是将这种负担转移给系统的GPU而不是CPU，从而增加了处理速度和时间。
高性能计算是使用GPU.js的主要优势之一。如果你想在浏览器中进行并行计算，而不了解WebGL，那么GPU.js是一个适合你的库。
为什么要使用GPU.js
为什么要使用GPU执行复杂的计算的原因不胜枚举，有太多的原因无法在一篇文章中探讨。以下是使用GPU的一些最值得注意的好处。
- GPU可用于执行大规模并行GPGPU计算。这是需要异步完成的计算类型
- 当系统中没有GPU时，它会优雅地退回到JavaScript
- GPU当前在浏览器和Node.js上运行，非常适合通过大量计算来加速网站
- GPU.js是在考虑JavaScript的情况下构建的，因此这些功能均使用合法的JavaScript语法
如果你认为你的处理器可以胜任，你不需要GPU.js，看看下面这个GPU和CPU运行计算的结果。
如你所见，GPU比CPU快22.97倍。
GPU.js的工作方式
考虑到这种速度水平，JavaScript生态系统仿佛得到了一个可以乘坐的火箭。GPU可以帮助网站更快地加载，特别是必须在首页上执行复杂计算的网站。你不再需要担心使用后台线程和加载器，因为GPU运行计算的速度是普通CPU的22.97倍。
gpu.createKernel 方法创建了一个从JavaScript函数移植过来的GPU加速内核。
与GPU并行运行内核函数会导致更快的计算速度——快1-15倍，这取决于你的硬件。
乐彼多用户商城系统，采用ASP.NET分层技术和AJAX技术，运营于高速稳定的微软.NET+MSSQL 2005平台；完全具备搭建超大型网络购物多用户网上商城的整体技术框架和应用层次LBMall 秉承乐彼软件优秀品质，后台人性化设计，管理窗口识别客户端分辨率自动调整，独立配置的菜单操作锁，使管理操作简单便捷。待办事项1、新订单、支付、付款、短信提醒2、每5分钟自动读取3、新事项声音提醒 店铺管理1
GPU.js入门
为了展示如何使用GPU.js更快地计算复杂的计算，让我们快速启动一个实际的演示。
安装
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项目中要导入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，计算是在GPU上并行完成的。
首先，生成大量数据。
const getArrayValues = () => {
// 在此处创建2D arrary
const values = [[], []]
// 将值插入第一个数组
for (let y = 0; y < 600; y++){
values[0].push([])
values[1].push([])
// 将值插入第二个数组
for (let x = 0; x < 600; x++){
values\[0\][y].push(Math.random())
values\[1\][y].push(Math.random())
}
}
// 返回填充数组
return values
}创建内核（运行在GPU上的函数的另一个词）。
const gpu = new GPU();
// 使用 `createKernel()` 方法将数组相乘
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])使用矩阵作为参数调用内核。
const largeArray = getArrayValues() const out = multiplyLargeValues(largeArray[0], largeArray[1])
输出
console.log(out\[y\][x]) // 将元素记录在数组的第x行和第y列 console.log(out\[10\][12]) // 记录输出数组第10行和第12列的元素
运行GPU基准测试
你可以按照GitHub上指定的步骤运行基准测试。
npm install @gpujs/benchmark
const benchmark = require('@gpujs/benchmark')
const benchmarks = benchmark.benchmark(options);options 对象包含可以传递给基准的各种配置。
前往GPU.js官方网站查看完整的计算基准，这将帮助你了解使用GPU.js进行复杂计算可以获得多少速度。
结束
在本教程中，我们详细探讨了GPU.js，分析了它的工作原理，并演示了如何进行并行计算。我们还演示了如何在你的Node.js应用中设置GPU.js。
英文原文地址：https://blog.logrocket.com/improving-javascript-performance-with-gpu-js/作者：Solomon Eseme转载地址：https://blog.zhangbing.site/2020/11/30/improving-javascript-performance-with-gpu-js/
更多计算机编程相关知识，请访问：编程入门！！
