Question

假设我想在R中做一些通常（在一个进程/线程中）看起来像这样的东西：

for(i in 1:2) {
    for(j in 1:2) {
        #Do some stuff here
    }
}

在四核机器上使用R的新包并行，我可以执行以下操作吗？

cluster<-makeCluster(4)

innerLoop<-function() {
   #Do some stuff here
}

outerLoop<-function() { 
   result<-do.call(, parLapply(cluster, c(1:2), innerLoop))
}

final.result<-do.call(, parLapply(cluster, c(1:2), outerLoop))

这是否可以使用R-2.14.0附带的并行包？

Answer 1

是的，你可以这样做。对于第一级并行化，您必须使用分布式内存技术（如雪包中的makeCluster（）），在第二级并行化中，您必须使用共享内存技术（多核包，mclapply（））。

这是一个简单的代码示例：

library(parallel)

cl <- makeCluster(2)

inner <- function(x){
    pid <- Sys.getpid()
    name <- Sys.info()["nodename"]
    str <- paste("This is R running on", name, "with PID", pid, "!")
    return(str)
}

outer <- function(x, cores, funceval){
    require(parallel)
    mclapply(1:cores, funceval)
}

parLapply(cl, 1:length(cl), outer, 2, inner)

在输出中，您应该看到不同的机器名称和不同的PID！

我可以嵌套并行::: parLapply（）吗？

1 个答案: