Sie befinden sich hier: Termine » Prüfungsfragen und Altklausuren » Prüfungen im Bachelor-Studium (1. - 5. Semester) » pfp » Aufgabe 1   (Übersicht)

Aufgabe 1

  • a) 1 und 4
  • b) 2 und 4

Da nur nach gefragt ist, was den Speedup verbessern könne, ist 4 auch richtig, da es in manchen Fällen eine bessere Lastverteilung sichern könnte. (Mit dieser Logik wäre es auch richtig, auf die Frage, was den Speedup verschlechtern könne, dasselbe zu antworten. Denn kleinere Arbeitspakete können ab einem bestimmten Maße mehr Overhead und Synchronisationsaufwand nach sich ziehen.)

Aufgabe 2

  • a)
AtomicInteger curThreads = new AtomicInteger(0);
  • b)
boolean manageThreads(String linkUrl) {
  if (curThreads.incrementAndget() <= maxThreads) {
      CrawlThread t = new CrawlThread(linkUrl);
      t.start();
  }
  else {
    curThreads.decrementAndGet();
    return false;
  } 
} // END OF manageThreads
  • c)
public void run() {
  process();
  curThreads.decrementAndGet();
}
  • d)
synchronized(visitedUrls) {
  if(!visitedUrls.contains(linkUrl)){
    doVisit = true;
    visitedUrls.add(linkUrl);
  }
}

Aufgabe 3

Nicht gefragt, hier aber erwähnt:

Beschränktheit: Da der Erreichbarkeitsgraph endlich ist, ist das Petri-Netz beschränkt.

Lebendigkeit: Nicht lebendig, da im Zyklus [1, 0, 0, 1], [0, 1, 3, 1] und [0, 2, 0, 1] (rechts im Erreichbarkeitsgraphen) nicht mehr herauskommt und in diesem t1 nicht mehr schaltet.

Aufgabe 4

  • a) 3

Nein ist nicht möglich, s wird bereits mit anderen Werten belegt, bevor das Programm parallel ausgeführt wird. Die Sichtbarkeit der in Zeile 25 festgelegten Werte ist gewährleistet (genauer [nicht VL-Stoff]: Es existiert im Allgemeinen eine Happens-Before Ordnung zwischen Code vor start() und dem Thread-Code.)

  • b) 2

Nein, „Geralt“ ist keine mögliche Ausgabe. Das Auslesen der als volatile deklarierten Variable in Zeile 25 garantiert uns, dass im Hauptthread alles sichtbar ist, was ein anderer Thread vor dem letzten Setzen der Variable gesehen hat (genauer: „A write to a volatile field happens-before every subsequent read of that field.“, Abschnitt 17.4.5 in der JLS).

  • c) 4

Nein, da die Threads wieder gejoint wurden. Das Programm ist somit nicht mehr parallel. Die Sichtbarkeit ist im (einzigen) Haupt-Thread gewährleistet (genauer [nicht VL-Stoff]: Es existiert im Allgemeinen eine Happens-Before Ordnung zwischen Thread-Code und Code nach einem erfolgreichen join()-Aufruf).

Was bringt hier, dass s als volatile deklariert ist? volatile wirkt sich nur auf die Referenz selbst aus, diese wird aber nie geändert, könnte also genauso gut finaln sein.

Aufgabe 5

  • a)
def insert: (List[Int], Int) => List[Int] = (ls, v) => ls match {
  case Nil => List(v)
  case x::xs => {
    if (v <= x) {
      v :: x :: xs
    }
    else {
      x :: insert(xs, v)
    }
}

Alternativ:

def insert: (List[Int], Int) => List[Int] = (ls, v) => {
    val p = ls.partition(_ <= v)
    p._1 ::: v :: p._2
}

Alternativ:

def insert: (List[Int], Int) => List[Int] = (ls, v) =>
    (for (l <- ls if l <= v) yield l) ::: (v :: (for (l <- ls if l > v) yield l))
  • b)
def sort: List[Int] => List[Int] = ls =>
  ls.foldRight(List[Int]())((v, sortedList) => insert(sortedList, v))
// Alternativ zu "List[Int]()":
// Nil: List[Int]
// Aber unbedingt mit Typangabe, sonst schlägt Scala's Type Inference fehl
  • c)
def sortAllWith: (List[Int] => List[Int]) => List[List[Int]] => List[List[Int]] =
  sortFun => ls => for (cur <- ls) yield sortFun(cur)

Falls man nicht unbedingt eine Listenabstraktion hätte verwenden müssen:

def sortAllWith: (List[Int] => List[Int]) => List[List[Int]] => List[List[Int]] = function => list => {
    list.map(x => function(x))
}

Aufgabe 6

  • a)
def testInside: (Ellipse, Ellipse) => (Double, Double) => Boolean =
  (e1, e2) => (x, y) => isInside(e1, x, y) && isInside(e2, x, y)
  • b)
def tupleStream: Stream[Double] => Stream[(Double, Double)] = s =>
  (s.head, s.tail.head) #:: tupleStream(s.tail.tail)
 
  // alternativ
  (s(0), s(1)) #:: tupleStream(s.drop(2))
  • c)
def monteCarlo: (Ellipse, Ellipse) => Int => Int = (e1, e2) => count => {
 
  // Stream aus Punkten
  val pointStream = tupleStream(randomStream)
 
  pointStream.take(count).par.filter(p => testInside(e1, e2)(p._1, p._2)).length
  // .count wirft einen komischen Fehler von Scalas Type Inference System
  // "missing argument list for method count" => .length oder .size benutzen
}