粗粒度与细粒度

粗粒度和细粒度之间有什么区别？

我已经在Google上搜索了这些术语，但是找不到它们的意思。

来自维基百科（粒度）：

粒度是将系统分解为小部分的程度，无论是系统本身还是其描述或观察。这是较大实体细分的程度。例如，一英寸的院子比一英尺的院子更细。

与粗粒度系统相比，粗粒度系统由更少，更大的组件组成；系统的粗粒度描述涉及较大的子组件，而细粒度的描述涉及较小的组件，其中组成较大的子组件。

简单来说

• 粗粒度 -比细粒度的大子组件大的组件。只需将一个或多个细粒度的服务包装到一个更粗粒度的操作中。
• 细粒度 -组成较大组件的较小组件，较低级别的服务

最好有更多的粗粒度服务操作，这些操作由细粒度操作组成

粗粒度：一些对象拥有大量相关数据，这就是服务在功能方面具有更大范围的原因。示例：单个“帐户”对象保存客户名称，地址，帐户余额，开立日期，最后更改日期等。 因此：设计复杂性增加，用于各种操作的单元数减少

细粒度：更多的对象，每个对象保存的数据更少，这就是服务的功能范围更窄的原因。示例：一个Account对象保持余额，一个Customer对象保持名称和地址，一个AccountOpenings对象保持开放日期，等等。 这样：降低了设计复杂性，增加了用于各种服务操作的单元数。这些是这些对象之间定义的关系。

另一种理解的方式是根据进程与线程之间的通信进行思考。进程借助粗略的通信机制（例如套接字，信号处理程序，共享内存，信号量和文件）进行通信。另一方面，线程可以访问属于进程的共享内存空间，这使它们可以应用更精细的粒度通信机制。

资料来源：实践中的Java并发

就像文本文件这样的数据集而言，粗粒度意味着我们可以转换整个数据集，但不能转换数据集中的单个元素，而细粒度意味着我们可以转换数据集上的单个元素。

在服务方面：

http://en.wikipedia.org/wiki/Service_Granularity_Principle

根据定义，尽管术语是相对的，但粗粒度的服务操作比细粒度的服务具有更广泛的范围。前者通常需要增加设计的复杂性，但可以减少完成任务所需的调用次数。

细粒度的服务界面与chatty界面大致相同。

粗粒度和细粒度都考虑优化许多服务。但是区别在于水平。我想举一个例子来解释，您会很容易理解。

细粒度：例如，我有100个服务，例如findbyId，findbyCategry，findbyName ......等。为什么我们不能提供find（id，category，name .... so on），而不是那么多服务。这样我们就可以减少服务。这只是一个示例，但目标是如何优化服务数量。

粗粒度：例如，我有100个客户，每个客户都有自己的100套服务。因此，我必须提供100 * 100的总服务。这非常困难。代替我要做的是，我将适用于大多数客户端的所有通用服务识别为一个服务集，并单独保留。例如，在100个服务中，有50个服务是常见的。所以我只需要管理100 * 50 + 50。

粗粒度并不总是意味着更大的组件，如果按字面意思来表示“粗糙”，则表示粗糙或不合适。例如，在软件项目管理中，如果将一个小型系统分解为几个组件，这些组件的大小相等，但是复杂性和功能却有所不同，则可能会导致粒度变粗。相反，对于细粒度的细分，您可以根据每个组件提供的功能的内聚性来划分组件。

粗粒和细粒。这两种模式都定义了如何在多个Spark任务之间共享内核。顾名思义，细粒度模式负责更细粒度地共享内核。细粒度模式已被Spark弃用，并将很快被删除。

与细粒度服务相比，粗粒度服务提供了更广泛的功能。根据业务领域的不同，可以创建单个服务来服务单个业务单元，或者如果子单元在很大程度上彼此独立，则可以创建专门的多个细粒度服务。粗粒度服务可能会变得更加困难，由于其大小而可能难以适应更改，而细粒度服务可能会引入管理多个服务的额外复杂性。

在POS（词性）标签方面，

• 细粒度 -使用具有36个不同标签的Penn Treebank标签集
• 粗粒度 -使用具有12个不同标签的通用标签集