WebGPU dan Parallel Processing
Grafis dan komputasi paralel di browser
Tujuan Pembelajaran
- Memahami WebGPU
- Mengetahui Web Workers
Analogi
WebGPU = GPU Programming
Manfaatkan GPU untuk komputasi
Web Worker = Multi-threading
Jalankan kode di background thread
WebGPU dan Web Workers membawa parallel processing ke browser
Penjelasan Konsep
WebGPU
WebGPU adalah API modern untuk mengakses GPU dari browser. Successor WebGL dengan access ke compute shader.
Bedanya WebGL dan WebGPU
- WebGL. Berdasarkan OpenGL ES. Hanya untuk graphics. Limited compute.
- WebGPU. Berdasarkan Vulkan/Metal/Direct3D 12. Graphics + general compute.
Use cases WebGPU
- 3D rendering. Game, visualization, CAD di browser.
- ML inference. GPU-accelerated neural network.
- Scientific computing. Simulation, data processing.
- Image/video processing. Filter, encode/decode.
Web Workers
Web Workers untuk multi-threading di JavaScript.
Kenapa Web Workers?
JavaScript single-threaded. Long-running task block UI. Web Workers jalankan kode di background thread.
SharedArrayBuffer
SharedArrayBuffer memungkinkan memory sharing antara main thread dan worker.
Inti yang Perlu Dipahami
Bagian ini berfokus pada memahami WebGPU., dan mengetahui Web Workers. Jangan terburu-buru menghafal istilahnya. Lebih penting untuk memahami peran setiap konsep dan kapan konsep itu muncul dalam pekerjaan web development.
Saat membaca WebGPU dan Parallel Processing, gunakan tujuan belajar sebagai penanda arah. Kalau kamu sudah bisa menjelaskan tujuan itu dengan kata-katamu sendiri, berarti fondasinya mulai terbentuk.
Cara Membayangkannya
WebGPU dan Web Workers membawa parallel processing ke browser. Analogi ini dipakai supaya konsep teknis tidak terasa melayang. Hubungkan setiap istilah dengan perannya: siapa yang meminta, siapa yang memproses, data apa yang berpindah, dan hasil apa yang diharapkan.
Kalau analoginya sudah terasa masuk akal, barulah lihat istilah teknisnya. Cara ini membuat materi lebih mudah dipahami daripada langsung menghafal definisi.
Saat Melihat Contoh Kode
Contoh kode pada chapter ini memakai bahasa javascript. Bacalah contoh kode sebagai ilustrasi alur, bukan sebagai bagian yang harus langsung dihafal. Web Worker jalankan kode di background thread. WebGPU akses GPU untuk compute. Tidak block main thread.
Perhatikan nama fungsi, urutan langkah, dan data yang berpindah. Biasanya tiga hal itu sudah cukup untuk memahami hubungan antara teori dan praktik.
Konteks dalam Perjalanan Belajar
Setiap konsep di platform ini dipilih karena dipakai di industri. Fokus pada pemahaman, bukan hafalan.
Kamu sudah di bagian lanjutan. Mulai pikirkan bagaimana konsep ini dipakai di dunia kerja — bukan hanya untuk belajar, tapi untuk membangun produk nyata.
Gunakan pertanyaan reflektif dan prompt AI di akhir chapter sebagai latihan aktif. Membaca saja tidak cukup — kamu perlu menjelaskan ulang dengan kata-katamu sendiri.
Contoh Kode
// WEB WORKER
// worker.js
self.onmessage = (e) => {
const result = heavyComputation(e.data);
self.postMessage(result);
};
// main.js
const worker = new Worker('worker.js');
worker.postMessage(largeArray);
worker.onmessage = (e) => {
console.log('Result:', e.data);
};
// WEBGPU
const adapter = await navigator.gpu.requestAdapter();
const device = await adapter.requestDevice();Penjelasan Kode
Prompt AI
Implementasikan Web Worker untuk processing data besar.
Pertanyaan Reflektif
Kapan pakai WebGPU vs Web Workers?