看spark示例代碼如何求的PI

以前也知道蒙特卡洛投針求PI，今天安裝spark，安完先要試試他自帶的幾個小程序看看能不能用，我主要會用python寫程序，也就是pyspark所以在spark裏的examples目錄深處找python的文件夾，裏面的pi.py就是。看了一下源碼是這樣的：

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()

意思就是調用者傳個參數進去也就是投針次數，傳3他就投30萬次，然後他要造成在一個邊長爲2的正方形裏等概率投針的模擬。這裏random()產生0~1之間的數，“*2”就是0~2之間等概率的數，再“-1”x與y就變成-1到1之間等概率的數，（x,y）就是在邊長爲2的正方形裏均勻分佈的點，正方形的內切圓面積就是PI，距原點小於1的就在園內,由“PI/4 = 園內點數/總點數”可以估計PI

跑了一下效果還是不錯的，結果每次都不一樣但在3.14附近，當然他用MapReduce，我也可以寫一個不用分佈計算的嘛，然後拿C++寫了一個：

#include <iostream> #include <cmath> #include <stdlib.h> using namespace std; int main() { int n; cout<<"鍵入模擬投針次數:\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值約爲:"<<4.0*double(in_circle_cnt)/double(n)<<endl; return 0; } 

意思是到了，效果很差模擬上億次也不太好，而且相同輸入每次都一樣結果，當然了，差別就在隨機函數上了，我C++裏用的是C標準庫的僞隨機表，而python的隨機函數random()要優秀的多，才能儘量造成隨機且均勻分佈的感覺。