- install.packages("parallel")
- library(parallel)
检查当前的可用核数
配置当前环境
分配核数
关闭集群
lapply()函数的并行版本
其实R语言本来就是一门向量化语言,如果是对于一个向量的操作,使用apply函数一族能获得比较高的效率,相比于for循环,这种高效来自于:
但是很多时候,如果想更快的话,光apply函数一族还不足够,这时候就能用上多线程。
R语言parallel包可以帮助实现多线程。
- cl.cores <- detectCores()
- #结果
- > cl.cores
- [1] 8
- cl <- makeCluster(4) # 初始化四核心集群
- ###并行任务
- stopCluster(cl) # 关闭集群
- #定义计算平方函数
- square <- function(x)
- {
- return(x^2)
- }
- #利用并行计算计算平方函数
- num <- c(1:3)
- cl <- makeCluster(4) # 初始化四核心集群
- results <- parLapply(cl,num,square)#调用parLapply并行计算平方函数
- final <- do.call('c',results)#整合结果
- stopCluster(cl) # 关闭集群
- #结果
- > final
- [1] 1,4,9
思考:在如此小的计算方式下,开4个核计算是否比开一个核要快
答案:当然是不一定,因为涉及到调度方式等额外开销,所以不一定快,因为真正并行起作用的地方在于大数据量的计算。
两段对比代码
- #定义计算平方函数
- square <- function(x)
- {
- #########
- #一段冗余代码增加执行时间
- y = 2*x
- if(y <300)
- {z = y}
- else
- {z = x}
- ##########
- return(x^2)
- }
- num <- c(1:10000000)
- #并行计算
- print(system.time({
- cl <- makeCluster(4) # 初始化四核心集群
- results <- parLapply(cl,num,square)#调用parLapply并行计算平方函数
- final <- do.call('c',results)#整合结果
- stopCluster(cl) # 关闭集群
- }))
- #结果
- 用户 系统 流逝
- 7.89 0.27 19.01
- #普通计算
- print(system.time({
- results <- lapply(num,square)
- final <- do.call('c',results)#整合结果
- }))
- #结果
- 用户 系统 流逝
- 29.74 0.00 29.79
显然在数据量比较大的时候,并行计算的时间几乎就是于核数反比。不过,也不是多开几个核就好,注意内存很容易超支的,每个核都分配相应的内存,所以要注意内存开销。出现内存问题的时候,需要检查是否代码是否合理,R语言版本(64位会比32位分配的内存大),核分配是否合理。
R语言里边对于环境变量有着有趣的定义,一层套一层,这里不做深入展开。
类似于在c语言函数中使用全局变量,R在执行并行计算的时候,如果需要计算的函数出现在全局(上一级),那么就需要声明引入这个变量,否则将会报错。
- #定义计算幂函数
- base = 2
- square <- function(x)
- {
- return(x^base)
- }
- num <- c(1:1000000)
- #利用并行计算计算幂函数
- cl <- makeCluster(4) # 初始化四核心集群
- results <- parLapply(cl,num,square)#调用parLapply并行计算平方函数
- final <- do.call('c',results)#整合结果
- stopCluster(cl) # 关闭集群
- #结果报错
- Error in checkForRemoteErrors(val) :
- 4 nodes produced errors; first error: 找不到对象'base'
- #利用并行计算计算幂函数
- cl <- makeCluster(4) # 初始化四核心集群
- clusterExport(cl,"base",envir = environment())
- results <- parLapply(cl,num,square)#调用parLapply并行计算平方函数
- final <- do.call('c',results)#整合结果
- stopCluster(cl) # 关闭集群
- #结果
- > final
- [1] 1,4,9,16,25.......
除了parallel包以外,还有针对并行for循环的foreach包,foreach()的使用也与parLapply()类似,两个功能也类似,其中遇到的问题也类似。
- install.packages("foreach")
- library(parallel)
- #定义计算幂函数
- square <- function(x)
- {
- return(x^2)
- }
非并行情况的使用:
参数中的combine就是整合结果的函数,可以是c,可以是rbind,也可以是+等
- results = foreach(x = c(1:3),.combine = 'c') %do% square(x)
- #结果
- > results
- [1] 1,4,9
并行情况的使用:
注意并行情况的时候,需要与parallel包进行配合,引入library(doParallel)。同时%do%需要改成%dopar%。另外与parallel包不一样的是,需要多加一句registerDoParallel(cl)来注册核进行使用。
- cl <- makeCluster(4)
- registerDoParallel(cl)
- results = foreach(x = c(1:100000),.combine = 'c') %dopar% square(x)
- stopCluster(cl)
同parallel包并行计算前需要clusterExport()来引入全局变量一样,foreach也同样需要声明,不同的是,foreach声明方式直接写在foreach()的参数export里边。
- #定义计算幂函数
- base = 2
- square <- function(x)
- {
- return(x^base)
- }
- cl <- makeCluster(4)
- registerDoParallel(cl)
- results = foreach(x = c(1:100000),.combine = 'c',.export ='base' ) %dopar% square(x)
- stopCluster(cl)
联系客服