Question

我在R中使用gstat包来生成连续的高斯模拟。我的电脑有4个核心，我尝试使用并行包并行化krige（）函数，遵循Guzmán提供的脚本来回答问题How to achieve parallel Kriging in R to speed up the process?。

然而，所得到的模拟与当时仅使用一个核心（没有并行化）的模拟不同。它看起来是一个几何问题，但我无法找到如何解决它。

接下来，我将提供一个示例（使用4个核心）生成2个模拟。您将看到，在运行代码之后，从并行化派生的模拟地图显示了一些工件（如垂直线），并且与当时仅使用一个核心的工件不同。

代码需要库$('#starts-on').timepicker(...??? //dunno what to use );，gstat，sp，raster和parallel。如果任何行spatstat不起作用，请先运行library()。

install.packages()

Answer 1

我已尝试过您的代码，我认为问题在于您分割工作的方式：

parts <- split(x = 1:length(srgr), f = 1:no_cores)

在我的双核机器上，这意味着srgr中的所有奇数索引由一个进程处理，所有偶数索引由另一个进程处理。这可能是您看到的垂直工件的来源。

更好的方法应该是将数据拆分成连续的块，如下所示：

parts <- parallel::splitIndices(length(srgr), no_cores)

将此分割与其余代码一起使用，我得到的结果与顺序代码相当。至少对我未经训练的眼睛......

原始答案，这只是次要影响。使用set.seed为顺序和clusterSetRNGStream进行并行处理来修复种子仍然有意义。

根据我所读到的有关Kriging的内容，它要求您绘制随机数字。这些随机数与并行处理不同。有关更多详细信息，请参见并行插图（vignette("parallel")）的第6部分。