Вам для каких целей нужен фреймворк: познакомится с go «в боевых условиях», сделать какой-нибудь сложный корпоративный портал, сделать какой-нибудь сервис, которому важна производительность того или иного вида?
C го я знаком мало; требуется написать в общем-то простую вещь: брать запрос пользователя, коннектиться к mongo и reddis по сложному критерию доставать оттуда результаты, немного постобрабатывать их и выдавать пользователю в виде красивого html.
Полностью разделяю. По моим наблюдениям обсуждать фреймворки вообще
моветон в сообществе. Считается неблагостным пользовать фреймворк на языке, у которого listener, multiplexer, template в стандартных библиотеках и
HelloWord в браузере новички получают через пять минут освоения.
Я этот ответ автора видел, и потому решил с ним погодить.
Еще нашел гориллу, но это видимо не программный каркарс, а больше набор вспомогательных функций.
И еще нашел code.google.com/p/goweb/, что уважаемая хабра-общественность про него думает?
Еще есть github.com/garyburd/twister/. Вообще мелких заброшенных (по моему все они в этом состояние) наверное штук 6. Кроме того, большинство сторонних либ тоже не очень-то активно обновляются. Наибольшая активность по моему сейчас у revel.
Вообще странно, что авторы Go сами не берутся за вещи жизненно необходимые для web, ведь без их поддержки это будет не серьезно.
А почему именно Go, язык довольно таки молодой, стабильного фреймворка найти сложно.
Да и вы упомянули django, это всё таки python или есть порт джанги на Go?
Не знаю, наверное можно что-то другое, только более высокопроизводительное чем питон. Сейчас некоторые запросы занимают 200 и более секунд, потому, что постобработка запросов медленно считается.
Я упомянул джанго как пример того, что нравится, порта на Go насколько мне известно нет
Сейчас некоторые запросы занимают 200 и более секунд, потому, что постобработка запросов медленно считается.
А что за обработка у Вас производится? Вы матрицы считаете многоразмерные? Дело в том, что многие сторонние математические расширения Python написаны на чистом C, а потому обеспечивают очень хорошую производительность.
Исходя из необходимых решений нужно поискать бинарные модули, которые заточены под желаемые типы вычислений и использовать их в составе того же Django. Python — это просто «клей». Найдите Python-модуль который рассчитывает то, что Вам необходимо. Если нужного модуля в доступе нет, Вы можете написать его сами, специально для проекта. Это будет проще и эффективнее, чем писать проект с нуля на Го. В этом случае Вы получите производительность С для критичных операций рассчета и оставите себе на радость знакомый Django. Кроме того, есть Java-фреймворки, внутри которых можно реализовать требуемую задачу. Но вариант c CPython гораздо эффективней. www.intuit.ru/department/pl/python/13/1.html
Насколько я понимаю, процедуры рассчета можно для питона реализовать даже на Fortran, языке, который очень эффективен для математических рассчетов и насколько я слышал, используется синоптиками для обработки огромных массивов данных.
Ну и напоследок, не факт, что торможение происходит из-за того, что питон не справляется. Надо проверить эффективно ли строятся запросы к базе данных, хватает ли памяти для рассчета требуемых массивов данных. Так что сначала надо установить где бутылочное горлышко в приложении
лично мне Го импонирует, однако я бы пошел от того, что уже есть, и не стал бы гоняться за призраками. В конце концов у каждого инструмента есть свои достоинства и недостатки. Лучше очень хорошо разобраться с Django с тем как он строит запросы к базе и когда фактически отправляется Select к базе данных. Именно от числа Select'ов зависит зачастую производительность приложения. Даже написав на С Вы сможете получить тормоза.
manuscriptum, вы правы, основная проблема была в медленном доступе к БД. Сейчас уже стало лучше (десятки секунд, но все равно медленно).
постобработка там следующая: считается релевантонсть запросу каждого вынутого объекта. Объекты вынимаются уже из обратного индекса, т.е. рассматривается не весь массив данных, а сразу только та его часть, которая содержит искомое.
Запрос выглядит так: [метка1, метка2,… ], в результате может найтись 100000 объектов со всеми этими метками, а теперь нужно рассчитать релевантность этих объектов запросу, сейчас там используется достаточно простая линейная формула, однако в ней несколько сотен переменных.
Безусловно. Сейчас я храню обратный индекс в оперативной памяти с помощью redis. Постобработку я несколько упростил, так что теперь стало, ну, скажем так, терпимо.
Средний
Средний
