當我說我熱愛演算法和資料結構時，大家總是一臉困惑。多數人都大概知道程式設計師在做什麼，卻不明白 Computer Science(資訊科學)究竟有什麼用。就算有人了解，也覺得它沒有什麼實際關聯性。就讓我用一個簡單的例子來說明，應用層面的 Computer Science 其實無所不在。

想像一下，你有一大堆襪子等著分類整理。這實在不是什麼令人興奮的消遣。你已經把這件事拖了很久，現在要做，恐怕得花上一個小時才整理得完。

考慮了一下你的選擇，你決定找人幫忙。你和一位朋友一起動手，大約只花了一半的時間就完成了。

資訊科學家可能會把這堆襪子稱為資源。而你和你的朋友則被直接降格為工作者。你們兩個可以同時處理這個問題——也就是平行地進行。這就是 Parallel Computing(平行運算) 的精髓。

現在，整理襪子之所以很適合平行處理，是因為它具備一些特性。

• 工作可以被很好地分割。對每個工作者來說，找到一雙襪子所花的時間都差不多。
• 找出另一雙襪子是完全獨立的工作，可以同時進行。

指派越多工作者來處理這個任務，你就能越快完成。

• 1 位工作者需要 60 分鐘。
• 2 位工作者需要 30 分鐘。

那麼 3 位工作者需要多久呢？沒錯！大約 20 分鐘。我們可以為這種關係寫下一個簡單的公式：

嗯，這樣算不完全正確。我們忘了考慮 overhead(額外開銷)：當 Mary（瑪麗）想拿起一隻襪子時，Stephen（史蒂芬）可能也正好伸手要拿同一隻。兩人相視一笑，其中一人就去拿另一隻襪子。在運算中，工作者也可能會做同樣的事。嗯，不會相視而笑，但會去挑另一個任務。當許多工作者共享資源時，這種情況會相當頻繁地發生。而解決這種狀況總是需要多花一點時間。所以，因為這個緣故，我們離理想的整理速度還有一點差距。

但情況還會更糟！假設你有 100 位工作者要處理 100 隻襪子。一開始，每位工作者可能各拿起一隻襪子並試著找到配對。問題來了：當他們每人各拿起一隻襪子後，就沒有襪子剩下了。所有工作者都處於等待狀態。整理工作就永遠卡住了。這就是 deadlock(死結)，也是平行運算中最令人畏懼的情境之一。

在這種情況下，一個簡單的解法是把襪子放回去，等待一段時間後再試著拿新的襪子。另一種擺脫困境的方法，是強制規定一種整理時的「協定」。可以把協定想成是工作者之間為了達成共同目標而達成的默契。

所以，在我們的例子中，每位工作者可能只負責一種顏色的襪子。第一位工作者拿綠色襪子，第二位拿灰色襪子，以此類推。透過這個簡單的技巧，我們可以避免 deadlock，因為我們處理的是完全分開的任務。

但還是有個問題。如果只有四隻綠色襪子，卻有 4000 隻灰色襪子呢？第一位工作者很快就會閒得發慌。他一下子就把兩雙襪子整理好，然後只能看著第二位工作者整理剩下的部分。這可不太有團隊精神，對吧？

像這樣分割工作，只有在我們可以假設每種顏色的襪子數量都差不多時才有意義。這樣才能讓每個人的工作量大致相當。

下面的長條圖可以讓你了解我的意思：

在這個例子中，每種顏色的襪子堆大小都差不多。對我來說，這看起來是每位工作者都很公平的工作量。

在第二個例子中，分布並不平均。在這個例子裡，我可不想去整理灰色襪子。我們得再多想一下。

我們能怎麼做呢？

大多數時候，換個方式來分割工作會很有幫助。舉例來說，我們可以讓兩位工作者一起整理那一大堆灰色襪子。一位整理大雙的襪子，另一位整理小雙的。不過，我們又遇到了另一個問題：誰來決定在這種情況下什麼算「大」、什麼算「小」呢？

所以，與其絞盡腦汁想出更聰明的方法，我們決定務實一點。每個人就各自拿一堆大小差不多的襪子——不管顏色或尺寸——然後開始整理。

很可能，每一堆裡都會剩下一些找不到配對的襪子。沒關係。我們就把它們全部丟在一起、混一混，再重新分成幾堆，然後再整理一次。我們就這樣重複直到完成。我們把這叫做 task queue(工作佇列)。它有兩個好處：第一，你不需要工作者之間有額外的約定，第二，它在工作者數量增加時也能合理地擴展，而不需要對問題領域想得太複雜。

distributed systems(分散式系統) 最棘手的地方在於，看似直截了當的解法在實務上可能會徹底失敗。

如果我們的小襪子堆看起來像這樣呢？

每一堆裡的配對數量……實在令人沮喪。我們可以做的是，先跑一個非常快速的預先分類步驟來增加配對的數量。或者，也許你能想出更好的點子？
最酷的是，一旦你找到更快的方法，它也能套用到類似的任務上。

像這樣的問題，其根源都來自資訊科學，而且它們無所不在。就我個人而言，我不太喜歡 Computer Science 這個詞。我比較喜歡德文的「Informatik」，我會大致把它翻譯為「Information Science(資訊科學)」。因為我們在這裡所做事情的真正本質，是要為一整類問題找到通用的解法。我們思考的是物件的本質及其特性。我們不是在整理襪子；我們試圖回答關於資訊的根本問題。也許現在你就能理解我為何對這個領域如此熱情了。

喔，對了，這裡還有一篇相關文章是關於我為何熱愛寫程式。