Question

我想运行一个需要大量时间的程序。我想写一个可以并行运行的函数（我是windows中的图形界面用户）。该功能将任务划分为n个子任务并执行最终的共识任务。我想并行运行n任务（同一程序窗口内同时），然后组合输出。以下只是一个例子：

ptm <- proc.time()
j1 <- cov(mtcars[1:10,], use="complete.obs") # job 1
j2 <- cov(mtcars[11:20,], use="complete.obs") # job 2
j3 <- cov(mtcars[21:32,], use="complete.obs") # job 3
proc.time() - ptm

out <- list (j1 = j1, j2 = j2, j3 = j3)

我知道unix“＆amp;”通常允许作业在后台运行。在R

中是否有类似的方法

Answer 1

您可以使用mclapply或clusterApply 并行启动多个功能。他们并非真正在后台： R将等到它们全部完成（就好像你在Unix shell中使用wait一样，在后台启动流程后。）

library(parallel)
tasks <- list(
  job1 = function() cov(mtcars[1:10,],  use="complete.obs"),
  job2 = function() cov(mtcars[11:20,], use="complete.obs"),
  job3 = function() cov(mtcars[21:32,], use="complete.obs"),
  # To check that the computations are indeed running in parallel.
  job4 = function() for (i in 1:5) { cat("4"); Sys.sleep(1) },
  job5 = function() for (i in 1:5) { cat("5"); Sys.sleep(1) },
  job6 = function() for (i in 1:5) { cat("6"); Sys.sleep(1) }
)

# Using fork()
out <- mclapply( 
  tasks, 
  function(f) f(), 
  mc.cores = length(tasks) 
)

# Equivalently: create a cluster and destroy it.
# (This may work on Windows as well.)
cl <- makeCluster( length(tasks) )
out <- clusterApply( 
  cl,
  tasks,
  function(f) f()
)
stopCluster(cl)

Answer 2

我有使用plyr包函数和snow创建的并行后端的良好经验。在a blog post我描述了如何做到这一点。在R 2.14之后，并行处理是通过parallel包的R核分发的一部分。我没有试图让plyr使用parallel生成的后端，但我认为这应该有效。

在r中同时（并行）在后台运行多个作业

2 个答案: