R本身雖然只能以單線程的方式運行與計算，但它有大量的包提供了方便而多樣的并行計算方式，支持包括SOCKET、MPI、PVM、NWS等等多種線程溝通方式。最流行最成熟的當然是MPI了，Rmpi包也因此相當受歡迎，在它的基礎上可以實現各種MPI支持的并行編程范式。但要論簡單易用，支持協議的多樣性，就得說說snow包及其簡化包裝版snowfall包了。snow支持上面提到的四種線程溝通協議，所以即使沒有安裝MPI或者對MPI了解不多，最基本的也可以直接使用SOCKET方式快速上手。而有了snowfall，更是使得并行化的計算變得如同平常編程一般的簡單。

由于這些包是為R而擴展的，所以跟R的矢量式編程思想能無縫地結合，只要你的程序已經用矢量化語言描述出來（比如R的apply系列函數或簡單矩陣運算），再移植到snowfall并行計算平臺幾乎就是0成本。

下面通過兩個簡單的函數來說明snowfall的使用及其性能。在運行測試函數之前都需要先載入snowfall包，即library(snowfall)

測試函數1：

foo <- function(i){cat(sprintf('log: item %s', i))return(2^i) } test.base <- function(){x = 1:10sfInit(parallel=TRUE, cpus=2, slaveOutfile='/tmp/snowfall.log')sfExport('foo')res = sfClusterApplyLB(x, fun='foo')sfStop()cat(unlist(res)) }

這個函數說明了snowfall包的基本使用：

先通過第7行代碼初始化計算集群，參數分明指明了運行并行模式、使用本地的兩個cpu作運算、定位各slave的日志輸出；

第8行代碼把foo這個函數發布到各slave；

第9行代碼把x傳給foo函數計算，對x這個向量中不同的元素作并行，這里sfClusterApplyLB的作用類似于R里的apply函數；

第10行停止計算集群；

第2行的打印信息會輸出到slaveOutfile指定的日志文件中。

測試函數2：

mysort <- function(x){replicate(5, sort(x))return(sort(x)[1:10]) } test.apply <- function(cpus=4){M = matrix(rnorm(10000000), 100, 100000)print('sequence run:')print(system.time(x<-apply(M, 2, mysort)))t = Sys.time() # sfInit(parallel=TRUE, socketHosts=c(rep('balin',2), rep('dwalin',2)))sfInit(parallel=TRUE, cpus=cpus)print(sprintf('%s cpus to be used', sfCpus()))print('parallel time cost:')print(system.time(x<-sfApply(M, 2, mysort)))sfStop()print(paste('total parallel time cost:', Sys.time()-t)) }

這個函數展示了一個實際的有一定負載量的計算過程。

第6行生成一個100*100000的測試矩陣M；

第8行對M的每一列應用mysort這個函數，mysort函數在上面有定義，除了排序之外，還做了一些額外的無用功，增加計算負載，這是單線程計算范式，用于作對比；

第14行進行實際計算，作用跟第8行一樣，不同之處在于這里是利用并行計算范式進行計算，使用的slave數量由cpus參數指定；

可以嘗試拿第10行置換第11行，第11行是單機多核并行，第10行是多機多核并行，各機器使用cpu的數量由socketHosts里該機器名出現次數而定（balin和dwalin都是機器名）；

在使用同樣多的slave的情況下，多機多核通常會比單機多核要慢一點，因為涉及到網絡IO。

測試函數2的性能測試如下：

• 非并行情況下，總耗時31秒多；
• 2 slave的情況下，總耗時22秒多；
• 4 slave的情況下，總耗時接近15秒。
• 補：在sfInit函數初始化時，設置type=’MPI’，使用MPI方式并行，4 slave情況下，比SOCKET方式稍慢，耗時17秒多。

即slave增加4倍時，計算時間減少一半。

轉載于:https://www.cnblogs.com/hukunyu/archive/2011/09/02/2163649.html

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的R做并行计算的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。