ডোমেন কাঠামোর সাথে সম্পর্কিত, মেট্রিক কাঠামো আপনাকে ক্যারিয়ার সেটে অতিরিক্ত ডেটা দেয়। মূলত, আপনি একটি মেট্রিক স্পেসের যে কোনও দুটি উপাদানের তুলনা করতে পারেন এবং ততই আপনি জানেন যে দুটি উপাদান কতটা আলাদা, ডোমেনগুলিতে ক্রমের কাঠামোটি আংশিক, এবং কতটা উপাদান পৃথক হয় তার একটি পরিমাণগত পরিমাপ নেই।
বাস্তবিকভাবে, এই অতিরিক্ত কাঠামোটি কার্যকর যে এটি ডোমেন সমীকরণগুলি সমাধান করা অত্যন্ত সহজ করে তোলে। ৮০ এর দশকে অনেকগুলি ডাচ কম্পিউটার বিজ্ঞানী মেট্রিক স্পেস সমীকরণকে মডেল সম্মতিতে ব্যবহার করেছিলেন, তবে এটি বর্তমানের আগ্রহেরও বিষয়।
যদি আপনি সাধারণ স্থানগুলি অনুসরণ করে থাকেন (পিওপিএল / আইসিএফপি / ইএসওপি / ইত্যাদি), আপনি লক্ষ্য করেছেন যে তথাকথিত স্টেপ-ইনডেক্স মডেলগুলি আজকাল বড় ব্যবসা, যেহেতু তারা আপনাকে বৈশিষ্ট্যগুলির সংমিশ্রণের সাথে ভাষার মডেল দিতে দেয় (যেমন অবিশ্বাস্য পলিমারফিজম এবং উচ্চতর অর্ডার অবস্থা) যা শাস্ত্রীয় ডোমেন-তাত্ত্বিক মডেলগুলির সাথে চিকিত্সা করা কঠিন। যাইহোক, এই মডেলগুলিতে ব্যবহৃত নির্মাণগুলি ভৌতিকভাবে ডোমেন সমীকরণগুলি সমাধান করার অনুরূপ এবং হ্যাক সংযোগটি কী তা অবাক করা স্বাভাবিক। লার্স বির্কেডাল এবং তার সহযোগীরা সাধারণ ধারণা পেয়েছিলেন যে দ্বিখণ্ডিত (যেমন, যে কোনও দুটি পয়েন্টের মধ্যে দূরত্বগুলি সমস্ত ফর্ম সমস্ত ডোমেন সমীকরণগুলি সমাধান করে)2- এনএন) আল্ট্রাসমেট্রিক স্পেস হ'ল স্টেপ-ইনডেক্স মডেলগুলির গোপন ডোনোটেশনাল জীবন। এই অঞ্চলে কিছু সাম্প্রতিক কাজের জন্য বার্কেডাল, স্টোরিং এবং থমসবার্গের কাগজ "পুনর্গঠন মেট্রিক স্পেস সমীকরণের বিভাগ-তাত্ত্বিক সমাধান" দেখুন।
এখন, এই সমস্ত কাজটি একেবারে মডেল পাওয়ার দিকে নিবদ্ধ করা হয়েছে, তবে কেবল এটিই আমরা আগ্রহী নই - আমরা কেবল একটি আংশিক অর্ডারকে একটি ডেনোটেশনাল মডেলের মেট্রিক কাঠামোর সাথে প্রতিস্থাপন করতে পারি না এবং আশা করি এটি ঠিক একইরকম হবে to জিনিস। সুতরাং আপনি ভাবতে পারেন যে পুরো বিমূর্ততার মতো বৈশিষ্ট্যগুলিতে মেট্রিক মডেলগুলির কী প্রভাব রয়েছে।
t i m e o u tএনইইএন
এই অতিরিক্ত সমাধানের শক্তি মেট্রিক কৌশলগুলির শক্তি এবং দুর্বলতা উভয়ই। তাদের নোটে "পদক্ষেপের সূচক: ভাল, খারাপ, এবং কুশলী", বেনটন এবং হুর দেখায় যে পদক্ষেপে সূচিযুক্ত মডেলগুলির অতিরিক্ত কাঠামো তাদের পক্ষে পদক্ষেপে প্রয়োগ করা প্রোগ্রামিং ভাষার বাস্তবতা-শৈলীর যথার্থতার প্রমাণ দিতে খুব কার্যকর for খারাপ নিম্ন-স্তরের ভাষার। যাইহোক, অতিরিক্ত কাঠামোটি তাদের কিছুটা "অত্যন্ত কার্যকর" অর্থে অপ্টিমাইজেশন সম্পাদন করা থেকে বিরত রাখে কারণ এটি দূরত্বের তথ্যকে বিশৃঙ্খলা করতে পারে। সুতরাং এটি উভয়ই তাদের সহায়তা করে এবং ব্যথা দেয়।
ডিচ⊥⊥
তবে, আপনি এটি করতে চাইবেন না। উদাহরণস্বরূপ, আমার নিজের সাম্প্রতিক গবেষণায় (নিক বেন্টনের সাথে), আমি উচ্চ-ক্রমের সিঙ্ক্রোনাস ডেটাফ্লো প্রোগ্রামিংয়ে কাজ করছি। এখানে, ধারণাটি হ'ল আমরা সময়ের সাথে ইন্টারেক্টিভ প্রোগ্রামগুলি স্ট্রিম ফাংশন হিসাবে মডেল করতে পারি। স্বাভাবিকভাবেই, আমরা পুনরাবৃত্ত সংজ্ঞাগুলি বিবেচনা করতে চাই (উদাহরণস্বরূপ, কোনও ফাংশন লিখার কল্পনা করুন যা সংখ্যার স্ট্রিমকে ইনপুট হিসাবে গ্রহণ করে এবং এ পর্যন্ত দেখা স্ট্রিম উপাদানগুলির যোগফলের সাথে সংখ্যার একটি ধারা প্রবাহিত করে)।
তবে এই কাজের একটি সুস্পষ্ট লক্ষ্য হ'ল নিশ্চিত করা যে কেবল সুপ্রতিষ্ঠিত সংজ্ঞা দেওয়া আছে, তবুও পুনরাবৃত্ত সংজ্ঞাগুলি মঞ্জুর করে। সুতরাং, আমি আলট্রামেট্রিক স্পেস হিসাবে স্ট্রিম এবং তাদের উপর নন এক্সপেনসিভ মানচিত্র হিসাবে ফাংশনগুলির মডেল করি (একদিকে যেমন এটি প্রতিক্রিয়াশীল প্রোগ্রামিংয়ের কার্যকারিতা পরিস্থিতিকে সাধারণীকরণ করে)। আমি যে মেট্রিকটি ব্যবহার করি তার অধীনে স্ট্রিম ফাংশনগুলির উপর একটি রক্ষিত সংজ্ঞা স্ট্রিমগুলির একটি সংক্রামক ফাংশনের সাথে মিলে যায়, এবং তাই বানাচের নির্দিষ্ট পয়েন্ট উপপাদ্য অনুসারে একটি অনন্য নির্দিষ্ট পয়েন্ট বিদ্যমান। স্বতঃস্ফূর্তভাবে, স্বতন্ত্রতার বৈশিষ্ট্যটির অর্থ হ'ল আমরা যে জায়গার যে উপাদানটি দিয়ে শুরু করি তা নির্ধারণ করা নির্দিষ্ট পয়েন্টগুলি একই কাজ করে, ফলস্বরূপ আমরা কোনও স্পেসে সংক্ষিপ্ত ক্রিয়াগুলির নির্দিষ্ট পয়েন্টগুলি গণনা করতে পারি, এমনকি যদি জায়গার ন্যূনতম না হয়ও doesn't ডোমেন তত্ত্ব অর্থে উপাদান।