Многопоточная работа морфологического анализатора

Вызов процедурного API морфологического анализатора из нескольких потоков

Процедурный API грамматического словаря полностью поддерживает многопоточный вызов из пользовательских программ.

Это означает, что загруженный экземпляр грамматического словаря (см. описание функции sol_LoadDictionary) можно указывать в вызовах из множества разных потоков.

Кроме того, множество потоков могут одновременно и независимо вызывать функцию морфологического анализа sol_MorphologyAnalysis, получая независимые результаты.

Взаимные блокировки потоков

Внутренняя архитектура грамматического движка, и в частности модуля морфологического анализа, предусматривает подгрузку данных из базы данных словаря по мере необходимости. При этом данные, загруженные одним потоком, становятся доступными для других потоков.

К примеру, правила морфологического анализа русского языка загружаются только при необходимости. В момент загрузки правил остальные потоки могут продолжать работу, если только они также не инициируют загрузку правил для русского языка. В таком случае соответствующие потоки будут ждать загрузки правил.

Из особенностей архитектуры отметим, что загрузка правил для каждого языка выполняется независимо. Например, если в многоязычном словаре есть русский и английский языки, то два потока, обрабатывающие соответственно русский и английский текст, вообще не будут блокировать друг друга для подгрузки большинства данных из базы.

Многопоточность при использовании SQL хранилища словаря

Если в качестве хранилища словаря выбрана серверная СУБД, то многопоточная работа через процедурный API дополнительно ограничивается возможностями клиентской и серверной частей БД обслуживать паралелльно поступающие запросы. Для MySQL среди параметров строки подключения в файле конфигурации словаря есть размер пула подключений. Так как одно подключение в этой БД может работать только с одним потоком, то множество потоков в прикладной программе будут ждать освобождения подключения, конкурируя друг с другом за этот ограниченный ресурс.

Ситуация сглаживается кэшированием данных. Благодаря этому загруженная из БД информация, например словарные статьи или правила анализа, становятся доступными для всех потоков, работающих с процедурным API.

Тест на многопоточность в SDK

Среди примеров использования процедурного API в составе SDK есть программа TestLexicon, написанная на чистом C++. В ней помимо прочих тестов есть также фрагмент для проверки многопоточной работы грамматического словаря. В исходных текстах данная проверка находится в файле test_threading.cpp. См. также подробное описание формата эталонных предложений.

Дополнительные материалы

Морфологический анализатор

Ключевые особенности морфологического анализатора

API морфологического анализатора

Алгоритмы русской морфологии

Синтаксический анализатор

изменено 05-Feb-12