5

我想运行一个需要大量时间的程序。我想编写一个可以并行运行的函数（我是 Windows 中的图形界面用户）。该函数将任务划分为 n 个子任务，并执行最终的共识任务。我想并行运行 n 个任务（在同一程序窗口中同时），然后合并输出。下面只是一个例子：

ptm <- proc.time()
j1 <- cov(mtcars[1:10,], use="complete.obs") # job 1
j2 <- cov(mtcars[11:20,], use="complete.obs") # job 2
j3 <- cov(mtcars[21:32,], use="complete.obs") # job 3
proc.time() - ptm

out <- list (j1 = j1, j2 = j2, j3 = j3)

我知道在 unix 中“&”通常允许作业在后台运行。R中有类似的方法吗

4

2 回答 2

7

您可以使用mclapply或clusterApply 并行启动多个功能。它们实际上并不在后台：R 将等到它们全部完成（就像您wait在 Unix shell 中使用 , 在后台启动进程之后一样）。

library(parallel)
tasks <- list(
  job1 = function() cov(mtcars[1:10,],  use="complete.obs"),
  job2 = function() cov(mtcars[11:20,], use="complete.obs"),
  job3 = function() cov(mtcars[21:32,], use="complete.obs"),
  # To check that the computations are indeed running in parallel.
  job4 = function() for (i in 1:5) { cat("4"); Sys.sleep(1) },
  job5 = function() for (i in 1:5) { cat("5"); Sys.sleep(1) },
  job6 = function() for (i in 1:5) { cat("6"); Sys.sleep(1) }
)

# Using fork()
out <- mclapply( 
  tasks, 
  function(f) f(), 
  mc.cores = length(tasks) 
)

# Equivalently: create a cluster and destroy it.
# (This may work on Windows as well.)
cl <- makeCluster( length(tasks) )
out <- clusterApply( 
  cl,
  tasks,
  function(f) f()
)
stopCluster(cl)
于 2012-05-31T12:40:40.443 回答
1

我在使用plyr包函数和由snow. 在一篇博文中，我描述了如何做到这一点。在 R 2.14 之后，并行处理是通过parallel包分发的 R 核心的一部分。我没有尝试让 plyr 使用由 生成的后端parallel，但我认为这应该可以。

于 2012-05-30T14:24:19.560 回答