@k2works/claude-code-booster 4.13.0 → 4.15.0

package/lib/assets/docs/article/grokking-concurrency/all/part-8-ch13-mapreduce.md

@@ -1,377 +1,377 @@
-# Part VIII: 分散並列処理
-
-## 8.1 はじめに
-
-本章では、大規模データを複数のプロセッサで効率的に処理する **MapReduce パターン**を学びます。ワードカウントを題材に、8 つの言語がそれぞれどのような並列コレクション・並列イテレータを提供しているかを比較します。
-
-### MapReduce とは
-
-MapReduce は 3 つのフェーズで構成されます：
-
-```
-入力データ → [Map] → (key, value) ペア → [Shuffle] → グループ化 → [Reduce] → 最終結果
-```
-
-1. **Map**: 各入力要素を (key, value) ペアに変換
-2. **Shuffle**: ペアをキーごとにグループ化
-3. **Reduce**: 各グループの値を集約
-
-## 8.2 共通の本質
-
-### ワードカウントのアルゴリズム
-
-```
-入力: ["hello world", "hello rust", "world of rust"]
-
-Map:
-  "hello world" → [("hello", 1), ("world", 1)]
-  "hello rust"  → [("hello", 1), ("rust", 1)]
-  "world of rust" → [("world", 1), ("of", 1), ("rust", 1)]
-
-Shuffle:
-  "hello" → [1, 1]
-  "world" → [1, 1]
-  "rust"  → [1, 1]
-  "of"    → [1]
-
-Reduce:
-  "hello" → 2, "world" → 2, "rust" → 2, "of" → 1
-```
-
-### 並列化のポイント
-
-Map フェーズは**恥ずかしいほど並列**（embarrassingly parallel）です。各テキストの処理は完全に独立しており、ロックや同期なしで並列化できます。
-
-## 8.3 言語別実装比較
-
-### Map フェーズ
-
-#### 関数型ファースト言語
-
-<details>
-<summary>Haskell 実装</summary>
-
-```haskell
-mapPhase :: String -> [(String, Int)]
-mapPhase text = [(map toLower word, 1) | word <- words text, not (null word)]
-```
-
-**特徴**: リスト内包表記でワンライナー。`words` は標準関数。
-
-</details>
-
-<details>
-<summary>Clojure 実装</summary>
-
-```clojure
-(defn map-phase [text]
-  (->> (str/split (str/lower-case text) #"\s+")
-       (filter (complement str/blank?))
-       (map (fn [word] [word 1]))))
-```
-
-**特徴**: スレッディングマクロ `->>` でデータ変換パイプラインを表現。
-
-</details>
-
-#### マルチパラダイム言語
-
-<details>
-<summary>Rust 実装</summary>
-
-```rust
-pub fn map(text: &str) -> Vec<(String, usize)> {
-    text.to_lowercase()
-        .split_whitespace()
-        .filter(|s| !s.is_empty())
-        .map(|word| (word.to_string(), 1))
-        .collect()
-}
-```
-
-</details>
-
-<details>
-<summary>Scala 実装</summary>
-
-```scala
-def map(text: String): List[(String, Int)] =
-  text.toLowerCase
-    .split("\\s+")
-    .filter(_.nonEmpty)
-    .map(word => (word, 1))
-    .toList
-```
-
-</details>
-
-<details>
-<summary>F# 実装</summary>
-
-```fsharp
-let map (text: string) : (string * int) list =
-    text.ToLower().Split([|' '; '\t'; '\n'|], StringSplitOptions.RemoveEmptyEntries)
-    |> Array.map (fun word -> (word, 1))
-    |> Array.toList
-```
-
-</details>
-
-#### OOP + 並行処理ライブラリ言語
-
-<details>
-<summary>Java 実装</summary>
-
-```java
-public static List<Map.Entry<String, Integer>> map(String text) {
-    return Arrays.stream(text.toLowerCase().split("\\s+"))
-        .map(word -> Map.entry(word, 1))
-        .toList();
-}
-```
-
-</details>
-
-<details>
-<summary>C# 実装</summary>
-
-```csharp
-public static List<KeyValuePair<string, int>> Map(string text) {
-    return text.ToLower()
-        .Split(' ', StringSplitOptions.RemoveEmptyEntries)
-        .Select(word => new KeyValuePair<string, int>(word, 1))
-        .ToList();
-}
-```
-
-</details>
-
-<details>
-<summary>Python 実装</summary>
-
-```python
-def map_function(text: str) -> List[Tuple[str, int]]:
-    words = text.lower().split()
-    return [(word, 1) for word in words]
-```
-
-</details>
-
-### 並列 MapReduce（全体）
-
-#### 並列化メカニズムの比較
-
-| 言語 | 並列化 API | 特徴 |
-|------|-----------|------|
-| Python | `multiprocessing.Pool.map()` | プロセスベース（GIL 回避） |
-| Java | `parallelStream()` | ForkJoinPool 自動管理 |
-| C# | `AsParallel()` (PLINQ) | LINQ との統合 |
-| Scala | `.par` コレクション | ワンメソッドで並列化 |
-| F# | `Array.Parallel.collect` | Array 専用並列モジュール |
-| Rust | `par_iter()` (Rayon) | ワークスティーリング |
-| Haskell | `mapConcurrently` | 非同期並列マップ |
-| Clojure | `pmap` | 並列マップ関数 |
-
-<details>
-<summary>Rust 実装（完全並列 fold/reduce）</summary>
-
-```rust
-pub fn count_words_full_parallel(texts: &[&str]) -> HashMap<String, usize> {
-    texts
-        .par_iter()
-        .flat_map(|text| map(text))
-        .fold(
-            || HashMap::new(),
-            |mut acc, (word, count)| {
-                *acc.entry(word).or_insert(0) += count;
-                acc
-            },
-        )
-        .reduce(
-            || HashMap::new(),
-            |mut a, b| {
-                for (k, v) in b {
-                    *a.entry(k).or_insert(0) += v;
-                }
-                a
-            },
-        )
-}
-```
-
-**特徴**: Map + Reduce を `par_iter().fold().reduce()` で一貫して並列実行。チャンク分割も自動。
-
-</details>
-
-<details>
-<summary>Java 実装（parallelStream）</summary>
-
-```java
-public static Map<String, Integer> wordCount(List<String> texts) {
-    List<Map.Entry<String, Integer>> mapped = texts.parallelStream()
-        .flatMap(text -> map(text).stream())
-        .toList();
-    return reduce(mapped);
-}
-
-public static Map<String, Integer> reduce(List<Map.Entry<String, Integer>> pairs) {
-    return pairs.stream()
-        .collect(Collectors.groupingBy(
-            Map.Entry::getKey,
-            Collectors.summingInt(Map.Entry::getValue)
-        ));
-}
-```
-
-**特徴**: `parallelStream()` を呼ぶだけで並列化。`Collectors` で宣言的な集約。
-
-</details>
-
-<details>
-<summary>C# 実装（PLINQ）</summary>
-
-```csharp
-public static Dictionary<string, int> CountWords(List<string> texts) {
-    var mapped = texts
-        .AsParallel()
-        .SelectMany(text => Map(text))
-        .ToList();
-    return Reduce(mapped);
-}
-```
-
-**特徴**: `.AsParallel()` を挿入するだけで LINQ クエリが並列化。
-
-</details>
-
-<details>
-<summary>Haskell 実装</summary>
-
-```haskell
-countWordsParallel :: [String] -> IO (Map String Int)
-countWordsParallel [] = return Map.empty
-countWordsParallel texts = do
-    mapped <- mapConcurrently (return . mapPhase) texts
-    return $ reducePhase (concat mapped)
-```
-
-</details>
-
-<details>
-<summary>Clojure 実装（pmap）</summary>
-
-```clojure
-(defn count-words-parallel [texts]
-  (if (empty? texts)
-    {}
-    (->> texts
-         (pmap map-phase)
-         (apply concat)
-         reduce-phase)))
-```
-
-**特徴**: `map` を `pmap` に置き換えるだけで並列化。
-
-</details>
-
-## 8.4 比較分析
-
-### 並列化の手軽さ
-
-```
-最も簡単  ┌──────────────────────────────┐
-          │ Scala: .par                  │ ← 1 メソッド追加
-          │ C#: .AsParallel()            │
-          │ Clojure: map → pmap          │
-          ├──────────────────────────────┤
-手軽      │ Java: stream → parallelStream │
-          │ Rust: iter → par_iter        │
-          │ F#: Array.map → Parallel.map │
-          ├──────────────────────────────┤
-やや複雑  │ Haskell: mapConcurrently     │ ← IO モナドが必要
-          │ Python: Pool.map()           │ ← プロセス分離が必要
-          └──────────────────────────────┘
-```
-
-### Reduce フェーズの実装
-
-| 言語 | Reduce 方法 | 特徴 |
-|------|-----------|------|
-| Python | `defaultdict(int)` + ループ | 命令的 |
-| Java | `Collectors.groupingBy` + `summingInt` | 宣言的コレクター |
-| C# | `GroupBy` + `Sum` | LINQ 統合 |
-| Scala | `groupBy` + `mapValues` + `sum` | 関数型コレクション |
-| F# | `List.groupBy` + `List.sumBy` | パイプライン |
-| Rust | `HashMap.entry().or_insert()` | Entry API |
-| Haskell | `foldl'` + `Map.insertWith (+)` | 純粋関数型 |
-| Clojure | `reduce` + `update` + `fnil` | 関数合成 |
-
-### パフォーマンス特性
-
-| 言語 | 並列化方式 | スレッドプール | 最適なケース |
-|------|----------|-------------|------------|
-| Python | プロセスプール | OS プロセス | CPU バウンド（GIL 回避） |
-| Java | ForkJoinPool | ワークスティーリング | 汎用並列処理 |
-| C# | ThreadPool | .NET ThreadPool | LINQ クエリ並列化 |
-| Scala | Fork/Join | ワークスティーリング | コレクション操作 |
-| F# | .NET ThreadPool | .NET ThreadPool | 配列操作 |
-| Rust | Rayon | ワークスティーリング | ゼロコスト並列化 |
-| Haskell | GHC RTS | Green Thread | I/O 並行処理 |
-| Clojure | JVM ThreadPool | 固定プール | 関数適用 |
-
-### アムダールの法則
-
-```
-高速化率 = 1 / (S + P/N)
-
-S = 逐次処理の割合
-P = 並列化可能な割合 (P = 1 - S)
-N = プロセッサ数
-
-例: 逐次 10%、並列 90%、4 コア
-高速化率 = 1 / (0.1 + 0.9/4) = 3.08 倍
-```
-
-並列化可能な部分（Map フェーズ）の割合が大きいほど、コア数に比例した高速化が期待できます。
-
-## 8.5 実践的な選択指針
-
-### 大規模データ処理に適した言語
-
-**最も適している**:
-
-- **Rust (Rayon)** — `fold` + `reduce` で Map と Reduce を一貫して並列化。ゼロコスト抽象化
-- **Java (parallelStream)** — エンタープライズ規模のデータ処理。Stream API の成熟度
-
-**手軽さ重視**:
-
-- **Scala (.par)** — ワンメソッドで並列化。ただし順序保証に注意
-- **C# (PLINQ)** — `.AsParallel()` で既存 LINQ クエリを即座に並列化
-- **Clojure (pmap)** — `map` を `pmap` に置き換えるだけ
-
-**関数型アプローチ**:
-
-- **Haskell** — 純粋関数は安全に並列化。`mapConcurrently` が宣言的
-- **F#** — `Array.Parallel` モジュールで配列操作を並列化
-
-## 8.6 まとめ
-
-### 言語横断的な学び
-
-1. **MapReduce は関数型の自然な拡張** — `map` + `reduce` を並列化するだけで大規模データ処理が可能
-2. **並列化の手軽さは言語の設計思想** — `.par` / `.AsParallel()` / `pmap` のワンメソッド並列化
-3. **Reduce の表現力** — 宣言的 (Java Collectors) vs 命令的 (Python ループ) vs 関数型 (Haskell foldl')
-4. **アムダールの法則** — 逐次部分の割合が並列化の効果を決定
-
-### 各言語の個別記事
-
-| 言語 | 個別記事 |
-|------|---------|
-| Python | [Part VIII - 分散並列処理](../python/part-8.md) |
-| Java | [Part VIII - 分散並列処理](../java/part-8.md) |
-| C# | [Part VIII - 分散並列処理](../csharp/part-8.md) |
-| Scala | [Part VIII - 分散並列処理](../scala/part-8.md) |
-| F# | [Part VIII - 分散並列処理](../fsharp/part-8.md) |
-| Rust | [Part VIII - 分散並列処理](../rust/part-8.md) |
-| Haskell | [Part VIII - 分散並列処理](../haskell/part-8.md) |
-| Clojure | [Part VIII - 分散並列処理](../clojure/part-8.md) |
+# Part VIII: 分散並列処理
+
+## 8.1 はじめに
+
+本章では、大規模データを複数のプロセッサで効率的に処理する **MapReduce パターン**を学びます。ワードカウントを題材に、8 つの言語がそれぞれどのような並列コレクション・並列イテレータを提供しているかを比較します。
+
+### MapReduce とは
+
+MapReduce は 3 つのフェーズで構成されます：
+
+```
+入力データ → [Map] → (key, value) ペア → [Shuffle] → グループ化 → [Reduce] → 最終結果
+```
+
+1. **Map**: 各入力要素を (key, value) ペアに変換
+2. **Shuffle**: ペアをキーごとにグループ化
+3. **Reduce**: 各グループの値を集約
+
+## 8.2 共通の本質
+
+### ワードカウントのアルゴリズム
+
+```
+入力: ["hello world", "hello rust", "world of rust"]
+
+Map:
+  "hello world" → [("hello", 1), ("world", 1)]
+  "hello rust"  → [("hello", 1), ("rust", 1)]
+  "world of rust" → [("world", 1), ("of", 1), ("rust", 1)]
+
+Shuffle:
+  "hello" → [1, 1]
+  "world" → [1, 1]
+  "rust"  → [1, 1]
+  "of"    → [1]
+
+Reduce:
+  "hello" → 2, "world" → 2, "rust" → 2, "of" → 1
+```
+
+### 並列化のポイント
+
+Map フェーズは**恥ずかしいほど並列**（embarrassingly parallel）です。各テキストの処理は完全に独立しており、ロックや同期なしで並列化できます。
+
+## 8.3 言語別実装比較
+
+### Map フェーズ
+
+#### 関数型ファースト言語
+
+<details>
+<summary>Haskell 実装</summary>
+
+```haskell
+mapPhase :: String -> [(String, Int)]
+mapPhase text = [(map toLower word, 1) | word <- words text, not (null word)]
+```
+
+**特徴**: リスト内包表記でワンライナー。`words` は標準関数。
+
+</details>
+
+<details>
+<summary>Clojure 実装</summary>
+
+```clojure
+(defn map-phase [text]
+  (->> (str/split (str/lower-case text) #"\s+")
+       (filter (complement str/blank?))
+       (map (fn [word] [word 1]))))
+```
+
+**特徴**: スレッディングマクロ `->>` でデータ変換パイプラインを表現。
+
+</details>
+
+#### マルチパラダイム言語
+
+<details>
+<summary>Rust 実装</summary>
+
+```rust
+pub fn map(text: &str) -> Vec<(String, usize)> {
+    text.to_lowercase()
+        .split_whitespace()
+        .filter(|s| !s.is_empty())
+        .map(|word| (word.to_string(), 1))
+        .collect()
+}
+```
+
+</details>
+
+<details>
+<summary>Scala 実装</summary>
+
+```scala
+def map(text: String): List[(String, Int)] =
+  text.toLowerCase
+    .split("\\s+")
+    .filter(_.nonEmpty)
+    .map(word => (word, 1))
+    .toList
+```
+
+</details>
+
+<details>
+<summary>F# 実装</summary>
+
+```fsharp
+let map (text: string) : (string * int) list =
+    text.ToLower().Split([|' '; '\t'; '\n'|], StringSplitOptions.RemoveEmptyEntries)
+    |> Array.map (fun word -> (word, 1))
+    |> Array.toList
+```
+
+</details>
+
+#### OOP + 並行処理ライブラリ言語
+
+<details>
+<summary>Java 実装</summary>
+
+```java
+public static List<Map.Entry<String, Integer>> map(String text) {
+    return Arrays.stream(text.toLowerCase().split("\\s+"))
+        .map(word -> Map.entry(word, 1))
+        .toList();
+}
+```
+
+</details>
+
+<details>
+<summary>C# 実装</summary>
+
+```csharp
+public static List<KeyValuePair<string, int>> Map(string text) {
+    return text.ToLower()
+        .Split(' ', StringSplitOptions.RemoveEmptyEntries)
+        .Select(word => new KeyValuePair<string, int>(word, 1))
+        .ToList();
+}
+```
+
+</details>
+
+<details>
+<summary>Python 実装</summary>
+
+```python
+def map_function(text: str) -> List[Tuple[str, int]]:
+    words = text.lower().split()
+    return [(word, 1) for word in words]
+```
+
+</details>
+
+### 並列 MapReduce（全体）
+
+#### 並列化メカニズムの比較
+
+| 言語 | 並列化 API | 特徴 |
+|------|-----------|------|
+| Python | `multiprocessing.Pool.map()` | プロセスベース（GIL 回避） |
+| Java | `parallelStream()` | ForkJoinPool 自動管理 |
+| C# | `AsParallel()` (PLINQ) | LINQ との統合 |
+| Scala | `.par` コレクション | ワンメソッドで並列化 |
+| F# | `Array.Parallel.collect` | Array 専用並列モジュール |
+| Rust | `par_iter()` (Rayon) | ワークスティーリング |
+| Haskell | `mapConcurrently` | 非同期並列マップ |
+| Clojure | `pmap` | 並列マップ関数 |
+
+<details>
+<summary>Rust 実装（完全並列 fold/reduce）</summary>
+
+```rust
+pub fn count_words_full_parallel(texts: &[&str]) -> HashMap<String, usize> {
+    texts
+        .par_iter()
+        .flat_map(|text| map(text))
+        .fold(
+            || HashMap::new(),
+            |mut acc, (word, count)| {
+                *acc.entry(word).or_insert(0) += count;
+                acc
+            },
+        )
+        .reduce(
+            || HashMap::new(),
+            |mut a, b| {
+                for (k, v) in b {
+                    *a.entry(k).or_insert(0) += v;
+                }
+                a
+            },
+        )
+}
+```
+
+**特徴**: Map + Reduce を `par_iter().fold().reduce()` で一貫して並列実行。チャンク分割も自動。
+
+</details>
+
+<details>
+<summary>Java 実装（parallelStream）</summary>
+
+```java
+public static Map<String, Integer> wordCount(List<String> texts) {
+    List<Map.Entry<String, Integer>> mapped = texts.parallelStream()
+        .flatMap(text -> map(text).stream())
+        .toList();
+    return reduce(mapped);
+}
+
+public static Map<String, Integer> reduce(List<Map.Entry<String, Integer>> pairs) {
+    return pairs.stream()
+        .collect(Collectors.groupingBy(
+            Map.Entry::getKey,
+            Collectors.summingInt(Map.Entry::getValue)
+        ));
+}
+```
+
+**特徴**: `parallelStream()` を呼ぶだけで並列化。`Collectors` で宣言的な集約。
+
+</details>
+
+<details>
+<summary>C# 実装（PLINQ）</summary>
+
+```csharp
+public static Dictionary<string, int> CountWords(List<string> texts) {
+    var mapped = texts
+        .AsParallel()
+        .SelectMany(text => Map(text))
+        .ToList();
+    return Reduce(mapped);
+}
+```
+
+**特徴**: `.AsParallel()` を挿入するだけで LINQ クエリが並列化。
+
+</details>
+
+<details>
+<summary>Haskell 実装</summary>
+
+```haskell
+countWordsParallel :: [String] -> IO (Map String Int)
+countWordsParallel [] = return Map.empty
+countWordsParallel texts = do
+    mapped <- mapConcurrently (return . mapPhase) texts
+    return $ reducePhase (concat mapped)
+```
+
+</details>
+
+<details>
+<summary>Clojure 実装（pmap）</summary>
+
+```clojure
+(defn count-words-parallel [texts]
+  (if (empty? texts)
+    {}
+    (->> texts
+         (pmap map-phase)
+         (apply concat)
+         reduce-phase)))
+```
+
+**特徴**: `map` を `pmap` に置き換えるだけで並列化。
+
+</details>
+
+## 8.4 比較分析
+
+### 並列化の手軽さ
+
+```
+最も簡単  ┌──────────────────────────────┐
+          │ Scala: .par                  │ ← 1 メソッド追加
+          │ C#: .AsParallel()            │
+          │ Clojure: map → pmap          │
+          ├──────────────────────────────┤
+手軽      │ Java: stream → parallelStream │
+          │ Rust: iter → par_iter        │
+          │ F#: Array.map → Parallel.map │
+          ├──────────────────────────────┤
+やや複雑  │ Haskell: mapConcurrently     │ ← IO モナドが必要
+          │ Python: Pool.map()           │ ← プロセス分離が必要
+          └──────────────────────────────┘
+```
+
+### Reduce フェーズの実装
+
+| 言語 | Reduce 方法 | 特徴 |
+|------|-----------|------|
+| Python | `defaultdict(int)` + ループ | 命令的 |
+| Java | `Collectors.groupingBy` + `summingInt` | 宣言的コレクター |
+| C# | `GroupBy` + `Sum` | LINQ 統合 |
+| Scala | `groupBy` + `mapValues` + `sum` | 関数型コレクション |
+| F# | `List.groupBy` + `List.sumBy` | パイプライン |
+| Rust | `HashMap.entry().or_insert()` | Entry API |
+| Haskell | `foldl'` + `Map.insertWith (+)` | 純粋関数型 |
+| Clojure | `reduce` + `update` + `fnil` | 関数合成 |
+
+### パフォーマンス特性
+
+| 言語 | 並列化方式 | スレッドプール | 最適なケース |
+|------|----------|-------------|------------|
+| Python | プロセスプール | OS プロセス | CPU バウンド（GIL 回避） |
+| Java | ForkJoinPool | ワークスティーリング | 汎用並列処理 |
+| C# | ThreadPool | .NET ThreadPool | LINQ クエリ並列化 |
+| Scala | Fork/Join | ワークスティーリング | コレクション操作 |
+| F# | .NET ThreadPool | .NET ThreadPool | 配列操作 |
+| Rust | Rayon | ワークスティーリング | ゼロコスト並列化 |
+| Haskell | GHC RTS | Green Thread | I/O 並行処理 |
+| Clojure | JVM ThreadPool | 固定プール | 関数適用 |
+
+### アムダールの法則
+
+```
+高速化率 = 1 / (S + P/N)
+
+S = 逐次処理の割合
+P = 並列化可能な割合 (P = 1 - S)
+N = プロセッサ数
+
+例: 逐次 10%、並列 90%、4 コア
+高速化率 = 1 / (0.1 + 0.9/4) = 3.08 倍
+```
+
+並列化可能な部分（Map フェーズ）の割合が大きいほど、コア数に比例した高速化が期待できます。
+
+## 8.5 実践的な選択指針
+
+### 大規模データ処理に適した言語
+
+**最も適している**:
+
+- **Rust (Rayon)** — `fold` + `reduce` で Map と Reduce を一貫して並列化。ゼロコスト抽象化
+- **Java (parallelStream)** — エンタープライズ規模のデータ処理。Stream API の成熟度
+
+**手軽さ重視**:
+
+- **Scala (.par)** — ワンメソッドで並列化。ただし順序保証に注意
+- **C# (PLINQ)** — `.AsParallel()` で既存 LINQ クエリを即座に並列化
+- **Clojure (pmap)** — `map` を `pmap` に置き換えるだけ
+
+**関数型アプローチ**:
+
+- **Haskell** — 純粋関数は安全に並列化。`mapConcurrently` が宣言的
+- **F#** — `Array.Parallel` モジュールで配列操作を並列化
+
+## 8.6 まとめ
+
+### 言語横断的な学び
+
+1. **MapReduce は関数型の自然な拡張** — `map` + `reduce` を並列化するだけで大規模データ処理が可能
+2. **並列化の手軽さは言語の設計思想** — `.par` / `.AsParallel()` / `pmap` のワンメソッド並列化
+3. **Reduce の表現力** — 宣言的 (Java Collectors) vs 命令的 (Python ループ) vs 関数型 (Haskell foldl')
+4. **アムダールの法則** — 逐次部分の割合が並列化の効果を決定
+
+### 各言語の個別記事
+
+| 言語 | 個別記事 |
+|------|---------|
+| Python | [Part VIII - 分散並列処理](../python/part-8.md) |
+| Java | [Part VIII - 分散並列処理](../java/part-8.md) |
+| C# | [Part VIII - 分散並列処理](../csharp/part-8.md) |
+| Scala | [Part VIII - 分散並列処理](../scala/part-8.md) |
+| F# | [Part VIII - 分散並列処理](../fsharp/part-8.md) |
+| Rust | [Part VIII - 分散並列処理](../rust/part-8.md) |
+| Haskell | [Part VIII - 分散並列処理](../haskell/part-8.md) |
+| Clojure | [Part VIII - 分散並列処理](../clojure/part-8.md) |