Question

这个问题与在多个内核上运行for循环特别相关。我正在尝试学习如何使用并行内核运行代码。实际代码有些复杂，因此我在这里重新创建一个非常基本且经过稀释的代码。请注意，此示例仅用于说明目的，而不是实际代码。

library(parallel)
library(foreach)
library(doParallel)

#Creating a mock dataframe
Event_ID = c(1,1,1,1,1,2,2,2,2,2,3,3,3,3)
Type=c("A","B","C","D","E","A","B","C","D","E","A","B","C","D")
Revenue1=c(24,9,51,7,22,15,86,66,0,57,44,93,34,37)
Revenue2=c(16,93,96,44,67,73,12,65,81,22,39,94,41,30)
z = data.frame(Event_ID,Type,Revenue1,Revenue2)
#replicates z 5000 times
n =5000
zz=do.call("rbind", replicate(n, z, simplify = FALSE))
zz$Revenue3 = 0

#################################################################
#   **foreach, dopar failed attempt**
#################################################################
cl=parallel::makeCluster(14,type="PSOCK") #I have 8 core 16 threads but use 14 here. Please edit this accordingly.
registerDoParallel(cl)
home1 = function(zz1){
  foreach(i=1:nrow(zz1), .combine = rbind) %dopar% {
    zz1[i,'Revenue3'] = sqrt(zz1[i,'Revenue1'])+(zz1[i,'Revenue2'])
  }
  return(zz1)
}

zzz = home1(zz1=zz)
stopCluster(cl) 

#################################################################
#Non parallel implementation
#################################################################
home2 = function(zz2){
  zz3=zz2
  for (i in 1:nrow(zz3)){
    zz3[i,'Revenue3'] = sqrt(zz3[i,'Revenue1'])+(zz3[i,'Revenue2'])
  }
  return(zz3)
}
zzzz=home2(zz2=zz)

我创建了一个数据框，并尝试使用foreach和dopar，但是它似乎不起作用。接下来，我提供代码的非并行版本的实现。但是，并行版本对我不起作用。我得到的输出df与输入矩阵相同。我意识到自己可能犯了一个基本错误，但是我没有足够的经验来弄清楚到底是什么错误。任何帮助将不胜感激。

P.S。我确实意识到我的非并行版本不是最佳版本，可以改进，但这只是一个示例。

Answer 1

首先请注意，在覆盖现有data.frames中的值时，使用parallel，doParallel或foreach包并行运行会受到一定的限制。通过此程序包执行并行化时，正在启动并行运行的R会话，即工作程序，该工作程序执行计算，并以某种方便的形式返回所执行的结果。这意味着这些工作程序会话在原始会话中不包含任何对象，除非提供（带有.export或作为函数参数）。 future，promises和ipc软件包可以允许异步处理，同时以一些简单性为代价在原始会话中修改变量。

请注意，由于每个会话将使用单独的核心，因此使用比核心更多的会话会降低整体性能。

对于实现本身，如何进行并行化取决于计算所需的内容以及要返回的格式。如果要执行简单的按行计算，可以使用类似以下内容的

library(iterators)
cl=parallel::makeCluster(4) #I have 8 core 16 threads but use 14 here. Please edit this accordingly.
registerDoParallel(cl)
stopCluster(cl)
home1 <- function(zz1){
  output <- foreach(x = iter(zz1, by = "row"), .combine = rbind) %dopar% {
    x[["Revenue3"]] <- sqrt(x[["Revenue1"]]) + x[["Revenue2"]]
    x
  }
  output
}
zzz <- home1(zz1=zz)
stopCluster(cl)

请注意，我在这里使用了Iterator结构，该结构可用于有效地对行/列进行迭代。如果这是您要查找的计算类型，我建议您使用向量化方法，因为这将大大提高性能。

zz[["Revenue3"]] <- sqrt(zz[["Revenue2"]) + zz[["Revenue1"]]

后者在我的小型4核笔记本电脑上快了大约13000倍。

dopar foreach（运行并行for循环）

1 个答案: