我有一个庞大的哲学参数数据集，每个参数都连接到其他参数作为给定语句的证明或反证。根声明可以有许多证明和反证，每个都可能有证明和反证。语句也可以用在多个图形中，图形可以在“给定的上下文”或假设下进行分析。
我需要构建一个相关参数的贝叶斯网络，以便每个节点公平准确地传播影响它的连接参数;我需要能够同时计算连接节点链的概率，每个节点都需要数据存储区查找，必须阻止才能获得结果;该进程主要是I / O绑定，我的数据存储连接可以在java，go和python {google appengine}中异步运行。每次查找完成后，它会将效果传播到所有其他连接节点，直到概率增量低于不相关阈值{当前为0.1％}。流程的每个节点都必须计算连接链，然后将所有查询中的所有结果相加以调整有效性结果，并将结果链接到任何连接的参数。
为了避免无限重复，我想在goroutines中使用类似A *的过程将更新传播到参数映射，使用基于复合影响的启发式方法，一旦影响的概率低于0.1，就会忽略节点，例如0.1 ％。我试图用SQL触发器设置计算，但它太复杂而且杂乱得太快。然后我转移到谷歌appengine利用异步nosql，它更好，但仍然太慢。我需要足够快地运行更新以获得快速的UI，因此当用户创建或投票支持或反对证明或反证时，他们可以立即看到结果反映在UI中。
我认为Go是支持我需要的并发性的首选语言，但我愿意接受建议。客户端是一个单片的javascript应用程序，它只使用XHR和websockets实时推送和拉出参数映射{及其更新}。我有一个可以在10到15秒内计算大型链的java原型，但是对性能的监控表明我的大部分运行时都浪费在ConcurrentHashMap的同步和开销上。
如果还有其他高度并发的语言值得尝试，请告知我们。我知道java，python，go，ruby和scala，但如果它符合我的需要，它会学习任何语言。
同样，如果有大型贝叶斯网络的开源实现，请留下建议。
答案 0 :(得分：4)
我认为要告诉你的问题有点困难。也许你可以详细说明你的问题。
Goroutines相当便宜，并且非常适合使用XHR或Websockets的现代Web应用程序（以及其他必须等待数据库响应和类似内容的I / O绑定应用程序）。此外，go运行时还能够并行执行这些goroutine，因此Go也非常适合CPU绑定任务，这应该利用多个内核和本机编译语言的速度。
但你也应该记住，goroutines和频道不是免费的。它们仍然需要一定量的存储器，并且每个同步点（例如，信道发送或接收）都带有其成本。这通常不是问题，因为与数据库查询相比，同步非常便宜，但它可能不适合构建有效的贝叶斯网络，特别是如果每个goroutine /节点的实际工作与之相比可忽略不计。同步开销。
每个并发程序的主要目标应该是尽可能避免共享的可变性。因此，使用goroutines和channel建模的贝叶斯网络可能是一个很好的教育示例，也是测量Go通道实现性能的好方法，但它可能不是最适合您的问题。