R多线程并行计算

待我称王封你为后i 2021-12-03 16:45 347阅读 0赞

先上代码案例：

![1180731-20180830182124232-732349461.png][]

主要的操作：

library(parallel);\#加载并行计算包

cl <- makeCluster(8);\# 初始化cpu集群

clusterEvalQ(cl,library(RODBC));\#添加并行计算中用到的包

clusterExport(cl,'variablename');\#添加并行计算中用到的环境变量（如当前上下文中定义的方法）

dt <- parApply(cl,stasList, 1, stasPowerPre\_Time);\# apply的并行版本

all\_predata\_time <- do.call('rbind',dt);\# 整合结果

--------------------

**R并行计算相关**

# `parallel`包 #

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>library</code> 
      <code>(parallel)</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>#使用&nbsp;&lt;code&gt;parallel&lt;/code&gt;包，首先要初始化一个集群，这个集群的数量最好是你CPU核数-1。如果一台8核的电脑建立了数量为8的集群，那你的CPU就干不了其他事情了。所以可以这样启动一个集群：&lt;br&gt;# Calculate the number of cores &lt;br&gt;no_cores &lt;- detectCores() - 1&lt;br&gt;# Initiate cluster&lt;br&gt;cl &lt;- makeCluster(no_cores)</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>#现在只需要使用并行化版本的&lt;code&gt;lapply&lt;/code&gt;,&lt;code&gt;parLapply&lt;/code&gt;就可以了&lt;br&gt;parLapply(cl, 2:4,function(exponent) 2^exponent)</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>#结束后，要记得关闭集群，否则你电脑的内存会始终被R占用&lt;br&gt;stopCluster(cl)</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

## 变量作用域 ##

在Mac/[Linux][]中你可以使用 `makeCluster(no_core, type="FORK")`这一选项，从而使你并行运行的时候可以包含所有环境变量。  
在Windows中由于使用的是Parallel Socket Cluster (PSOCK)，所以每个集群只会加载base包，所以你运行时要指定加载特定的包或变量：

`cl<-makeCluster(no_cores)`

`base <-` `2`

`clusterExport(cl,` `"base"` `)`

`parLapply(cl,` `2` `:` `4` `,`function(exponent)  base^exponent)

`stopCluster(cl)`

注意：你需要用`clusterExport(cl, "base")`把base这一个变量加载到集群当中。

如果你在函数中使用了一些其他的包就要使用`clusterEvalQ`加载进去，比如说，使用rms包，那么就用`clusterEvalQ(cl, library(rms))`。

要注意的是，在clusterExport 加载某些变量后，这些变量的任何变化都会被忽略：

# 使用`parSapply` #

如果你想程序返回一个向量或者矩阵。而不是一个列表，那么就应该使用`sapply`,他同样也有并行版本`parSapply`:

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>parSapply</code> 
      <code>(cl, 2:4, </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>function</code> 
      <code>(exponent) </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>base^exponent)</code> 
     </div> 
     <div>
       &nbsp; 
     </div> 
     <div> 
      <code>[1]&nbsp; 4&nbsp; 8 16</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

输出矩阵并显示行名和列名（因此才需要使用`as.character`）：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>parSapply</code> 
      <code>(cl, </code> 
      <code>as.character</code> 
      <code>(2:4), </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>function</code> 
      <code>(exponent){ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>x &lt;- </code> 
      <code>as.numeric</code> 
      <code>(exponent)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>c</code> 
      <code>(base = base^x, self = x^x)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>})</code> 
     </div> 
     <div>
       &nbsp; 
     </div> 
     <div> 
      <code>2&nbsp; 3&nbsp;&nbsp; 4</code> 
     </div> 
     <div> 
      <code>base 4&nbsp; 8&nbsp; 16</code> 
     </div> 
     <div> 
      <code>self 4 27 256</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

# `foreach`包 #

设计`foreach`包的思想可能想要创建一个lapply和for循环的标准，初始化的过程有些不同，你需要`register`注册集群:

foreach函数可以使用参数`.combine`控制你汇总结果的方法：

注意到最后list的combine方法是默认的。在这个例子中用到一个`.multicombine`参数，他可以帮助你避免嵌套列表。比如说`list(list(result.1, result.2), result.3)` :

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>foreach</code> 
      <code>(exponent = 2:4,&nbsp; .combine = list)&nbsp; </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>%dopar%&nbsp; </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>base^exponent</code> 
     </div> 
     <div> 
      <code>[[1]]</code> 
     </div> 
     <div> 
      <code>[[1]][[1]]</code> 
     </div> 
     <div> 
      <code>[1] 4</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>[[1]][[2]]</code> 
     </div> 
     <div> 
      <code>[1] 8</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>[[2]]</code> 
     </div> 
     <div> 
      <code>[1] 16</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

## 变量作用域 ##

在foreach中，变量作用域有些不同，它会自动加载本地的环境到函数中：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>base &lt;- 2</code> 
     </div> 
     <div> 
      <code>cl&lt;-</code> 
      <code>makeCluster</code> 
      <code>(2)</code> 
     </div> 
     <div> 
      <code>registerDoParallel</code> 
      <code>(cl)</code> 
     </div> 
     <div> 
      <code>foreach</code> 
      <code>(exponent = 2:4, .combine = c)&nbsp; </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>%dopar%&nbsp; </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>base^exponent</code> 
     </div> 
     <div> 
      <code>stopCluster</code> 
      <code>(cl)</code> 
     </div> 
     <div>
       &nbsp; 
     </div> 
     <div> 
      <code>&nbsp;</code> 
      <code>[1]&nbsp; 4&nbsp; 8 16&lt;/code&gt;&nbsp;&nbsp;&nbsp; </code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

但是，对于父环境的变量则不会加载，以下这个例子就会抛出错误：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>test &lt;- </code> 
      <code>function </code> 
      <code>(exponent) { </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;</code> 
      <code>foreach</code> 
      <code>(exponent = 2:4, </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>.combine = c)&nbsp; %dopar%&nbsp; </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>base^exponent</code> 
     </div> 
     <div> 
      <code>}</code> 
     </div> 
     <div> 
      <code>test</code> 
      <code>()</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>&nbsp;</code> 
      <code>Error </code> 
      <code>in</code> 
      <code>base^exponent : task 1 failed - </code> 
      <code>"object 'base' not found"</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

为解决这个问题你可以使用`.export`这个参数而不需要使用`clusterExport`。注意的是，他可以加载最终版本的变量，在函数运行前，变量都是可以改变的：

相似的你可以使用`.packages`参数来加载包,比如说：`.packages = c("rms", "mice")`

# 使用Fork还是Psock? #

这两个的区别：

**FORK**:”to pide in branches and go separate ways”  
系统：Unix/Mac (not Windows)  
环境: 所有

**PSOCK**:并行socket集群  
系统: All (including Windows)  
环境: 空

# 内存控制 #

如果你不打算使用windows的话，建议你尝试FORK模式，它可以实现内存共享，节省你的内存。

PSOCK:

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>library</code> 
      <code>(pryr) </code> 
      <code># Used for memory analyses</code> 
     </div> 
     <div> 
      <code>cl&lt;-</code> 
      <code>makeCluster</code> 
      <code>(no_cores)</code> 
     </div> 
     <div> 
      <code>clusterExport</code> 
      <code>(cl, </code> 
      <code>"a"</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>clusterEvalQ</code> 
      <code>(cl, </code> 
      <code>library</code> 
      <code>(pryr))</code> 
     </div> 
     <div> 
      <code>parSapply</code> 
      <code>(cl, X = 1:10, </code> 
      <code>function</code> 
      <code>(x) { </code> 
      <code>address</code> 
      <code>(a)}) == </code> 
      <code>address</code> 
      <code>(a)</code> 
     </div> 
     <div>
       &nbsp; 
     </div> 
     <div> 
      <code>[1] </code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
      <code>FALSE</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

FORK :

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>cl&lt;-</code> 
      <code>makeCluster</code> 
      <code>(no_cores, type=</code> 
      <code>"FORK"</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>parSapply</code> 
      <code>(cl, X = 1:10, </code> 
      <code>function</code> 
      <code>(x) </code> 
      <code>address</code> 
      <code>(a)) == </code> 
      <code>address</code> 
      <code>(a)</code> 
     </div> 
     <div>
       &nbsp; 
     </div> 
     <div> 
      <code>&nbsp;</code> 
      <code>[1] </code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
      <code>TRUE</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

你不需要花费太多时间去配置你的环境，有趣的是，你不需要担心变量冲突:

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>b &lt;- 0</code> 
     </div> 
     <div> 
      <code>parSapply</code> 
      <code>(cl, X = 1:10, </code> 
      <code>function</code> 
      <code>(x) {b &lt;- b + 1; b})</code> 
     </div> 
     <div> 
      <code># [1] 1 1 1 1 1 1 1 1 1 1</code> 
     </div> 
     <div> 
      <code>parSapply</code> 
      <code>(cl, X = 1:10, </code> 
      <code>function</code> 
      <code>(x) {b &lt;&lt;- b + 1; b})</code> 
     </div> 
     <div> 
      <code># [1] 1 2 3 4 5 1 2 3 4 5</code> 
     </div> 
     <div> 
      <code>b</code> 
     </div> 
     <div> 
      <code># [1] 0</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

# 调试 #

当你在并行环境中工作是，debug是很困难的，你不能使用`browser`/`cat`/`print`等参数来发现你的问题。

## `tryCatch`\-`list`方法 ##

使用`stop()`函数这不是一个好方法，因为当你收到一个错误信息时，很可能这个错误信息你在很久之前写的，都快忘掉了，但是当你的程序跑了1，2天后，突然弹出这个错误，就只因为这一个错误，你的程序终止了，并把你之前的做的计算全部扔掉了，这是很讨厌的。为此，你可以尝试使用`tryCatch`去捕捉那些错误，从而使得出现错误后程序还能继续执行:

这也正是我喜欢list的原因，它可以方便的将所有相关的数据输出，而不是只输出一个错误信息。这里有一个使用`rbind`在`lapply`进行conbine的例子：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>out &lt;- </code> 
      <code>lapply</code> 
      <code>(1:3, </code> 
      <code>function</code> 
      <code>(x) </code> 
      <code>c</code> 
      <code>(x, 2^x, x^x))</code> 
     </div> 
     <div> 
      <code>do.call</code> 
      <code>(rbind, out)</code> 
     </div> 
     <div> 
      <code>&nbsp;</code> 
      <code>[,1] [,2] [,3]</code> 
     </div> 
     <div> 
      <code>[1,]&nbsp;&nbsp;&nbsp; 1&nbsp;&nbsp;&nbsp; 2&nbsp;&nbsp;&nbsp; 1</code> 
     </div> 
     <div> 
      <code>[2,]&nbsp;&nbsp;&nbsp; 2&nbsp;&nbsp;&nbsp; 4&nbsp;&nbsp;&nbsp; 4</code> 
     </div> 
     <div> 
      <code>[3,]&nbsp;&nbsp;&nbsp; 3&nbsp;&nbsp;&nbsp; 8&nbsp;&nbsp; 27</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

## 创建一个文件输出 ##

当我们无法在控制台观测每个工作时，我们可以设置一个共享文件，让结果输出到文件当中，这是一个想当舒服的解决方案：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> 
    <div>
      14 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>cl&lt;-</code> 
      <code>makeCluster</code> 
      <code>(no_cores, outfile = </code> 
      <code>"debug.txt"</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>registerDoParallel</code> 
      <code>(cl)</code> 
     </div> 
     <div> 
      <code>foreach</code> 
      <code>(x=</code> 
      <code>list</code> 
      <code>(1, 2, </code> 
      <code>"a"</code> 
      <code>))&nbsp; %dopar%&nbsp; </code> 
     </div> 
     <div> 
      <code>{ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;</code> 
      <code>print</code> 
      <code>(x)</code> 
     </div> 
     <div> 
      <code>}</code> 
     </div> 
     <div> 
      <code>stopCluster</code> 
      <code>(cl)</code> 
     </div> 
     <div>
       &nbsp; 
     </div> 
     <div> 
      <code>starting worker pid=7392 on localhost:11411 at 00:11:21.077</code> 
     </div> 
     <div> 
      <code>starting worker pid=7276 on localhost:11411 at 00:11:21.319</code> 
     </div> 
     <div> 
      <code>starting worker pid=7576 on localhost:11411 at 00:11:21.762</code> 
     </div> 
     <div> 
      <code>[1] 2]</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>[1] </code> 
      <code>"a"</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

## 创建一个结点专用文件 ##

一个或许更为有用的选择是创建一个结点专用的文件，如果你的数据集存在一些问题的时候，可以方便观测：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>cl&lt;-</code> 
      <code>makeCluster</code> 
      <code>(no_cores, outfile = </code> 
      <code>"debug.txt"</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>registerDoParallel</code> 
      <code>(cl)</code> 
     </div> 
     <div> 
      <code>foreach</code> 
      <code>(x=</code> 
      <code>list</code> 
      <code>(1, 2, </code> 
      <code>"a"</code> 
      <code>))&nbsp; %dopar%&nbsp; </code> 
     </div> 
     <div> 
      <code>{ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;</code> 
      <code>cat</code> 
      <code>(</code> 
      <code>dput</code> 
      <code>(x), file = </code> 
      <code>paste0</code> 
      <code>(</code> 
      <code>"debug_file_"</code> 
      <code>, x, </code> 
      <code>".txt"</code> 
      <code>))</code> 
     </div> 
     <div> 
      <code>} </code> 
     </div> 
     <div> 
      <code>stopCluster</code> 
      <code>(cl)</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

# `partools`包 #

`partools`这个包有一个[dbs()][dbs]函数或许值得一看（使用非windows系统值得一看），他允许你联合多个终端给每个进程进行debug。

# Caching #

当做一个大型计算时，我强烈推荐使用一些缓存。这或许有多个原因你想要结束计算，但是要遗憾地浪费了计算的宝贵的时间。这里有一个包可以做缓存，[R.cache][]，但是我发现自己写个函数来实现更加简单。你只需要嵌入`digest`包就可以。`digest()`函数是一个散列函数，把一个R对象输入进去可以输出一个md5值或sha1等从而得到一个唯一的key值，当你key匹配到你保存的cache中的key时，你就可以继续你的计算了，而不需要将算法重新运行，以下是一个使用例子：

这个例子很显然在第二次运行的时候并没有启动Sys.sleep，而是检测到了你的cache文件，加载了上一次计算后的cache，你就不必再计算Sys.sleep了，因为在上一次已经计算过了。

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>system.time</code> 
      <code>(out &lt;- </code> 
      <code>cacheParallel</code> 
      <code>())</code> 
     </div> 
     <div> 
      <code># user system elapsed</code> 
     </div> 
     <div> 
      <code># 0.003 0.001 5.079</code> 
     </div> 
     <div> 
      <code>out</code> 
     </div> 
     <div> 
      <code># [1] 1 4</code> 
     </div> 
     <div> 
      <code>system.time</code> 
      <code>(out &lt;- </code> 
      <code>cacheParallel</code> 
      <code>())</code> 
     </div> 
     <div> 
      <code># user system elapsed</code> 
     </div> 
     <div> 
      <code># 0.001 0.004 0.046</code> 
     </div> 
     <div> 
      <code>out</code> 
     </div> 
     <div> 
      <code># [1] 1 4</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code># To clean up the files just do:</code> 
     </div> 
     <div> 
      <code>file.remove</code> 
      <code>(</code> 
      <code>list.files</code> 
      <code>(pattern = </code> 
      <code>"Cache.+\.Rdata"</code> 
      <code>))</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

# 载入平衡 #

## 任务载入 ##

需要注意的是，无论parLapply还是foreach都是一个包装(wrapper)的函数。这意味着他们不是直接执行并行计算的代码，而是依赖于其他函数实现的。在parLapply中的定义如下：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>parLapply &lt;- </code> 
      <code>function </code> 
      <code>(cl = </code> 
      <code>NULL</code> 
      <code>, X, fun, ...) </code> 
     </div> 
     <div> 
      <code>{ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>cl &lt;- </code> 
      <code>defaultCluster</code> 
      <code>(cl)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>do.call</code> 
      <code>(c, </code> 
      <code>clusterApply</code> 
      <code>(cl, x = </code> 
      <code>splitList</code> 
      <code>(X, </code> 
      <code>length</code> 
      <code>(cl)), </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>fun = lapply, fun, ...), quote = </code> 
      <code>TRUE</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>}</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

注意到`splitList(X, length(cl))` ，他会将任务分割成多个部分，然后将他们发送到不同的集群中。如果你有很多cache或者存在一个任务比其他worker中的任务都大，那么在这个任务结束之前，其他提前结束的worker都会处于空闲状态。为了避免这一情况，你需要将你的任务尽量平均分配给每个worker。举个例子，你要计算优化神经网络的参数，这一过程你可以并行地以不同参数来训练神经网络，你应该将如下代码：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code># From the nnet example</code> 
     </div> 
     <div> 
      <code>parLapply</code> 
      <code>(cl, </code> 
      <code>c</code> 
      <code>(10, 20, 30, 40, 50), </code> 
      <code>function</code> 
      <code>(neurons) </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;</code> 
      <code>nnet</code> 
      <code>(ir[samp,], targets[samp,],</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>size = neurons))</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

改为：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code># From the nnet example</code> 
     </div> 
     <div> 
      <code>parLapply</code> 
      <code>(cl, </code> 
      <code>c</code> 
      <code>(10, 50, 30, 40, 20), </code> 
      <code>function</code> 
      <code>(neurons) </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;</code> 
      <code>nnet</code> 
      <code>(ir[samp,], targets[samp,],</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>size = neurons))</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

## 内存载入 ##

在大数据的情况下使用并行计算会很快的出现问题。因为使用并行计算会极大的消耗内存，你必须要注意不要让你的R运行内存到达内存的上限，否则这将会导致崩溃或非常缓慢。使用Forks是一个控制内存上限的一个重要方法。Fork是通过内存共享来实现，而不需要额外的内存空间，这对性能的影响是很显著的(我的系统时16G内存，8核心)：

FORKs可以让你并行化从而不用崩溃：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> 
    <div>
      14 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>&gt; cl &lt;- </code> 
      <code>makeCluster</code> 
      <code>(8, type = </code> 
      <code>"PSOCK"</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>&gt; </code> 
      <code>system.time</code> 
      <code>(</code> 
      <code>clusterExport</code> 
      <code>(cl, </code> 
      <code>"a"</code> 
      <code>))</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;</code> 
      <code>user&nbsp; system elapsed </code> 
     </div> 
     <div> 
      <code>&nbsp;</code> 
      <code>10.576&nbsp;&nbsp; 1.263&nbsp; 15.877</code> 
     </div> 
     <div> 
      <code>&gt; </code> 
      <code>system.time</code> 
      <code>(</code> 
      <code>parSapply</code> 
      <code>(cl, 1:8, </code> 
      <code>function</code> 
      <code>(x) </code> 
      <code>mean</code> 
      <code>(a + 1)))</code> 
     </div> 
     <div> 
      <code>Error </code> 
      <code>in</code> 
      <code>checkForRemoteErrors</code> 
      <code>(val) : </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;</code> 
      <code>8 nodes produced errors; first error: cannot allocate vector of size 1.5 Gb</code> 
     </div> 
     <div> 
      <code>Timing stopped at: 0.004 0 0.389</code> 
     </div> 
     <div> 
      <code>&gt; </code> 
      <code>stopCluster</code> 
      <code>(cl)</code> 
     </div> 
     <div> 
      <code>&gt; cl &lt;- </code> 
      <code>makeCluster</code> 
      <code>(8, type = </code> 
      <code>"FORK"</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>&gt; </code> 
      <code>system.time</code> 
      <code>(</code> 
      <code>parSapply</code> 
      <code>(cl, 1:8, </code> 
      <code>function</code> 
      <code>(x) </code> 
      <code>mean</code> 
      <code>(a + 1)))</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;</code> 
      <code>user&nbsp; system elapsed </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;</code> 
      <code>0.014&nbsp;&nbsp; 0.016&nbsp;&nbsp; 3.735</code> 
     </div> 
     <div> 
      <code>&gt; </code> 
      <code>stopCluster</code> 
      <code>(cl)</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

当然，他并不能让你完全解放，如你所见，当我们创建一个中间变量时也是需要消耗内存的：

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>&gt; a &lt;- </code> 
      <code>matrix</code> 
      <code>(1, ncol=10^4*2.1, nrow=10^4)</code> 
     </div> 
     <div> 
      <code>&gt; cl &lt;- </code> 
      <code>makeCluster</code> 
      <code>(8, type = </code> 
      <code>"FORK"</code> 
      <code>)</code> 
     </div> 
     <div> 
      <code>&gt; </code> 
      <code>parSapply</code> 
      <code>(cl, 1:8, </code> 
      <code>function</code> 
      <code>(x) { </code> 
     </div> 
     <div> 
      <code>+&nbsp;&nbsp; b &lt;- a + 1</code> 
     </div> 
     <div> 
      <code>+&nbsp;&nbsp; </code> 
      <code>mean</code> 
      <code>(b)</code> 
     </div> 
     <div> 
      <code>+&nbsp;&nbsp; })</code> 
     </div> 
     <div> 
      <code>Error </code> 
      <code>in</code> 
      <code>unserialize</code> 
      <code>(node$con) : error reading from connection&lt;/code&gt;</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

# 内存建议 #

尽量使用rm()避免无用的变量 尽量使用gc()释放内存。即使这在R中是自动执行的，但是当它没有及时执行，在一个并行计算的情况下，如果没有及时释放内存，那么它将不会将内存返回给操作系统，从而影响了其他worker的执行。 通常并行化在大规模运算下很有用，但是，考虑到R中的并行化存在内存的初始化成本，所以考虑到内存的情况下，显然小规模的并行化可能会更有用。 有时候在并行计算时，不断做缓存，当达到上限时，换回串行计算。 你也可以手动的控制每个核所使用的内存数量，一个简单的方法就是：memory.limit()/memory.size() = max cores

# 其他建议 #

一个常用的CPU核数检测函数：`max(``1``, detectCores() -``1``)`

永远不要使用`set.seed()`，使用clusterSetRNGStream()来代替设置种子，如果你想重现结果。 如果你有Nvidia 显卡，你可以尝试使用gputools 包进行GPU加速（警告：安装可能会很困难） 当使用[mice并行化][mice]时记得使用`ibind()`来合并项。

**转自：**

https://www.2cto.com/kf/201606/517963.html

--------------------

# [R中的apply族函数和多线程计算][R_apply] #

**一.apply族函数**

**1.apply  应用于矩阵和数组**

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code># apply</code> 
     </div> 
     <div> 
      <code># 1代表行，2代表列</code> 
     </div> 
     <div> 
      <code># create a matrix of 10 rows x 2 columns</code> 
     </div> 
     <div> 
      <code>m &lt;- </code> 
      <code>matrix</code> 
      <code>(</code> 
      <code>c</code> 
      <code>(1:10, 11:20), nrow = 10, ncol = 2)</code> 
     </div> 
     <div> 
      <code># mean of the rows</code> 
     </div> 
     <div> 
      <code>apply</code> 
      <code>(m, 1, mean)</code> 
     </div> 
     <div> 
      <code>[1] 6 7 8 9 10 11 12 13 14 15</code> 
     </div> 
     <div> 
      <code># mean of the columns</code> 
     </div> 
     <div> 
      <code>apply</code> 
      <code>(m, 2, mean)</code> 
     </div> 
     <div> 
      <code>[1] 5.5 15.5</code> 
     </div> 
     <div> 
      <code># divide all values by 2</code> 
     </div> 
     <div> 
      <code>apply</code> 
      <code>(m, 1:2, </code> 
      <code>function</code> 
      <code>(x) x/2)</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

**2.eapply 应用于环境中的变量**

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code># a new environment</code> 
     </div> 
     <div> 
      <code>e &lt;- </code> 
      <code>new.env</code> 
      <code>()</code> 
     </div> 
     <div> 
      <code># two environment variables, a and b</code> 
     </div> 
     <div> 
      <code>e$a &lt;- 1:10</code> 
     </div> 
     <div> 
      <code>e$b &lt;- 11:20</code> 
     </div> 
     <div> 
      <code># mean of the variables</code> 
     </div> 
     <div> 
      <code>eapply</code> 
      <code>(e, mean)</code> 
     </div> 
     <div> 
      <code>$b</code> 
     </div> 
     <div> 
      <code>[1] 15.5</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>$a</code> 
     </div> 
     <div> 
      <code>[1] 5.5</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

**3.lapply应用于列表，返回列表，实际data.frame也是一种list，一种由多个长度相同的向量cbind一起的list：lapply(list, function)**

**4.sapply 是lapply的友好形式.lapply和sapply都可应用于list,data.frame。只是返回的对象类型不一样，前者是list，后者看情况，如果是每一个list下面的元素长度都一样，返回的结果就会被就会简化。举例说明。**

** 5.vapply要求提供第三个参数，即输出的格式**

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>l &lt;- </code> 
      <code>list</code> 
      <code>(a = 1:10, b = 11:20)</code> 
     </div> 
     <div> 
      <code># fivenum of values using vapply</code> 
     </div> 
     <div> 
      <code>l.fivenum &lt;- </code> 
      <code>vapply</code> 
      <code>(l, fivenum, </code> 
      <code>c</code> 
      <code>(Min.=0, </code> 
      <code>"1st Qu."</code> 
      <code>=0, Median=0, </code> 
      <code>"3rd Qu."</code> 
      <code>=0, Max.=0))</code> 
     </div> 
     <div> 
      <code>class</code> 
      <code>(l.fivenum)</code> 
     </div> 
     <div> 
      <code>[1] </code> 
      <code>"matrix"</code> 
     </div> 
     <div> 
      <code># let's see it</code> 
     </div> 
     <div> 
      <code>l.fivenum</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>a&nbsp;&nbsp;&nbsp; b</code> 
     </div> 
     <div> 
      <code>Min.&nbsp;&nbsp;&nbsp;&nbsp; 1.0 11.0</code> 
     </div> 
     <div> 
      <code>1st Qu.&nbsp; 3.0 13.0</code> 
     </div> 
     <div> 
      <code>Median&nbsp;&nbsp; 5.5 15.5</code> 
     </div> 
     <div> 
      <code>3rd Qu.&nbsp; 8.0 18.0</code> 
     </div> 
     <div> 
      <code>Max.&nbsp;&nbsp;&nbsp; 10.0 20.0</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

**6.replicate**  
***Description: “replicate is a wrapper for the common use of sapply for repeated evaluation of an expression (which will usually involve random number generation).”***

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>replicate</code> 
      <code>(10, </code> 
      <code>rnorm</code> 
      <code>(10))</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

**7.mapply可传递多个参数进去.**

**mapply is a multivariate version of [sapply][]. mapply applies FUN to the first elements of each ... argument, the second elements, the third elements, and so on. Arguments are recycled if necessary.**

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>l1 &lt;- </code> 
      <code>list</code> 
      <code>(a = </code> 
      <code>c</code> 
      <code>(1:10), b = </code> 
      <code>c</code> 
      <code>(11:20))</code> 
     </div> 
     <div> 
      <code>l2 &lt;- </code> 
      <code>list</code> 
      <code>(c = </code> 
      <code>c</code> 
      <code>(21:30), d = </code> 
      <code>c</code> 
      <code>(31:40))</code> 
     </div> 
     <div> 
      <code># sum the corresponding elements of l1 and l2</code> 
     </div> 
     <div> 
      <code>mapply</code> 
      <code>(sum, l1$a, l1$b, l2$c, l2$d)</code> 
     </div> 
     <div> 
      <code>[1]&nbsp; 64&nbsp; 68&nbsp; 72&nbsp; 76&nbsp; 80&nbsp; 84&nbsp; 88&nbsp; 92&nbsp; 96 100</code> 
     </div> 
     <div> 
      <code>#mapply像是可以传递多个参数的saply</code> 
     </div> 
     <div> 
      <code>mapply</code> 
      <code>(rep, 1:4, 5)</code> 
     </div> 
     <div> 
      <code>[,1] [,2] [,3] [,4]</code> 
     </div> 
     <div> 
      <code>[1,]&nbsp;&nbsp;&nbsp; 1&nbsp;&nbsp;&nbsp; 2&nbsp;&nbsp;&nbsp; 3&nbsp;&nbsp;&nbsp; 4</code> 
     </div> 
     <div> 
      <code>[2,]&nbsp;&nbsp;&nbsp; 1&nbsp;&nbsp;&nbsp; 2&nbsp;&nbsp;&nbsp; 3&nbsp;&nbsp;&nbsp; 4</code> 
     </div> 
     <div> 
      <code>[3,]&nbsp;&nbsp;&nbsp; 1&nbsp;&nbsp;&nbsp; 2&nbsp;&nbsp;&nbsp; 3&nbsp;&nbsp;&nbsp; 4</code> 
     </div> 
     <div> 
      <code>[4,]&nbsp;&nbsp;&nbsp; 1&nbsp;&nbsp;&nbsp; 2&nbsp;&nbsp;&nbsp; 3&nbsp;&nbsp;&nbsp; 4</code> 
     </div> 
     <div> 
      <code>[5,]&nbsp;&nbsp;&nbsp; 1&nbsp;&nbsp;&nbsp; 2&nbsp;&nbsp;&nbsp; 3&nbsp;&nbsp;&nbsp; 4</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

**8.rapply**  
**Description: “rapply is a recursive version of lapply.”**

**二.多线程计算**

**下面用[欧拉问题14][14]，来演示R中的向量化编程（利用apply组函数）和多线程**

<table> 
 <tbody> 
  <tr> 
   <td> 
    <div>
      1 
    </div> 
    <div>
      2 
    </div> 
    <div>
      3 
    </div> 
    <div>
      4 
    </div> 
    <div>
      5 
    </div> 
    <div>
      6 
    </div> 
    <div>
      7 
    </div> 
    <div>
      8 
    </div> 
    <div>
      9 
    </div> 
    <div>
      10 
    </div> 
    <div>
      11 
    </div> 
    <div>
      12 
    </div> 
    <div>
      13 
    </div> 
    <div>
      14 
    </div> 
    <div>
      15 
    </div> 
    <div>
      16 
    </div> 
    <div>
      17 
    </div> 
    <div>
      18 
    </div> 
    <div>
      19 
    </div> 
    <div>
      20 
    </div> 
    <div>
      21 
    </div> 
    <div>
      22 
    </div> 
    <div>
      23 
    </div> 
    <div>
      24 
    </div> 
    <div>
      25 
    </div> 
    <div>
      26 
    </div> 
    <div>
      27 
    </div> 
    <div>
      28 
    </div> 
    <div>
      29 
    </div> 
    <div>
      30 
    </div> 
    <div>
      31 
    </div> 
    <div>
      32 
    </div> 
    <div>
      33 
    </div> 
    <div>
      34 
    </div> 
    <div>
      35 
    </div> 
    <div>
      36 
    </div> 
    <div>
      37 
    </div> 
    <div>
      38 
    </div> 
    <div>
      39 
    </div> 
    <div>
      40 
    </div> 
    <div>
      41 
    </div> 
    <div>
      42 
    </div> 
    <div>
      43 
    </div> 
    <div>
      44 
    </div> 
    <div>
      45 
    </div> 
    <div>
      46 
    </div> 
    <div>
      47 
    </div> 
    <div>
      48 
    </div> 
    <div>
      49 
    </div> 
    <div>
      50 
    </div> 
    <div>
      51 
    </div> 
    <div>
      52 
    </div> 
    <div>
      53 
    </div> </td> 
   <td> 
    <div> 
     <div> 
      <code>#-----Longest Collatz sequence Problem 14</code> 
     </div> 
     <div> 
      <code>func &lt;- </code> 
      <code>function</code> 
      <code>(x) { </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>n = 1</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>raw &lt;- x</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>while </code> 
      <code>(x &gt; 1) { </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>x &lt;- </code> 
      <code>ifelse</code> 
      <code>(x%%2==0,x/2,3*x+1)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>n = n + 1</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>}</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>return</code> 
      <code>(</code> 
      <code>c</code> 
      <code>(raw,n))</code> 
     </div> 
     <div> 
      <code>}</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>#方法1 向量化编程</code> 
     </div> 
     <div> 
      <code>library</code> 
      <code>(magrittr)</code> 
     </div> 
     <div> 
      <code>system.time</code> 
      <code>({ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>x &lt;- 1:1e5</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>res1 &lt;- </code> 
      <code>sapply</code> 
      <code>(x, func)%&gt;%</code> 
      <code>t</code> 
      <code>()</code> 
     </div> 
     <div> 
      <code>})</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>用户&nbsp;&nbsp; 系统&nbsp;&nbsp; 流逝</code> 
     </div> 
     <div> 
      <code>37.960&nbsp; 0.360 41.315</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>#方法2 向量化编程</code> 
     </div> 
     <div> 
      <code>system.time</code> 
      <code>({ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>x &lt;- 1:1e5</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>res2 &lt;- </code> 
      <code>do.call</code> 
      <code>(</code> 
      <code>'rbind'</code> 
      <code>,</code> 
      <code>lapply</code> 
      <code>(x,func))</code> 
     </div> 
     <div> 
      <code>})</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>用户&nbsp;&nbsp; 系统&nbsp;&nbsp; 流逝</code> 
     </div> 
     <div> 
      <code>36.031&nbsp; 0.181 36.769</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>#方法3 多线程计算</code> 
     </div> 
     <div> 
      <code>library</code> 
      <code>(parallel)</code> 
     </div> 
     <div> 
      <code># 用system.time来返回计算所需时间</code> 
     </div> 
     <div> 
      <code>system.time</code> 
      <code>({ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>x &lt;- 1:1e5</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>cl &lt;- </code> 
      <code>makeCluster</code> 
      <code>(4) </code> 
      <code># 初始化四核心集群</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>results &lt;- </code> 
      <code>parLapply</code> 
      <code>(cl,x,func) </code> 
      <code># lapply的并行版本</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>res.df &lt;- </code> 
      <code>do.call</code> 
      <code>(</code> 
      <code>'rbind'</code> 
      <code>,results) </code> 
      <code># 整合结果</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>stopCluster</code> 
      <code>(cl) </code> 
      <code># 关闭集群</code> 
     </div> 
     <div> 
      <code>})</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>用户&nbsp;&nbsp; 系统&nbsp;&nbsp; 流逝</code> 
     </div> 
     <div> 
      <code>0.199&nbsp; 0.064 20.038</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code># 方法4 for 循环</code> 
     </div> 
     <div> 
      <code>system.time</code> 
      <code>({ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>m &lt;- </code> 
      <code>matrix</code> 
      <code>(nrow = 0,ncol = 2)</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>for</code> 
      <code>(i </code> 
      <code>in</code> 
      <code>1:1e5){ </code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>m &lt;- </code> 
      <code>rbind</code> 
      <code>(m,</code> 
      <code>func</code> 
      <code>(i))</code> 
     </div> 
     <div> 
      <code>&nbsp;&nbsp;&nbsp;&nbsp;</code> 
      <code>}</code> 
     </div> 
     <div> 
      <code>})</code> 
     </div> 
     <div> 
      <code>&nbsp;</code>&nbsp; 
     </div> 
     <div> 
      <code>#方法4用时太长</code> 
     </div> 
    </div> </td> 
  </tr> 
 </tbody> 
</table>

转载于:https://www.cnblogs.com/purple5252/p/11200729.html

[1180731-20180830182124232-732349461.png]: /images/20211203/c6e56bc888f347e08d60d03ff92581e0.png
[Linux]: https://www.2cto.com/os/linux/
[dbs]: https://matloff.wordpress.com/2015/01/03/debugging-parallel-code-with-dbs/
[R.cache]: http://cran.r-project.org/web/packages/R.cache/index.html
[mice]: http://stackoverflow.com/questions/24040280/parallel-computation-of-multiple-imputation-by-using-mice-r-package/27087791
[R_apply]: https://www.cnblogs.com/litao1105/p/5573373.html
[sapply]: http://127.0.0.1:11870/help/library/base/help/sapply
[14]: https://projecteuler.net/problem=14