18

我对 foreach 有一个我无法弄清楚的问题。以下代码在我尝试过的两台 Windows 计算机上失败，但在三台 Linux 计算机上成功，它们都运行相同版本的 R 和 doParallel：

library("doParallel")
registerDoParallel(cl=2,cores=2)

f <- function(){return(10)}
g <- function(){
    r = foreach(x = 1:4) %dopar% {
        return(x + f())
    }
    return(r)
}
g()

在这两台 Windows 计算机上，返回以下错误：

Error in { : task 1 failed - "could not find function "f""

但是，这在 Linux 计算机上工作得很好，并且在使用 %do% 而不是 %dopar% 时也工作得很好，并且对于常规的 for 循环也工作得很好。

变量也是如此，例如设置i <- 10和return(x + f())替换return(x + i)

对于其他有同样问题的人，两种解决方法是：

1) 使用 .export 显式导入所需的函数和变量：

r = foreach(x=1:4, .export="f") %dopar%

2）导入所有全局对象：

r = foreach(x=1:4, .export=ls(.GlobalEnv)) %dopar%

这些变通办法的问题在于，它们对于一个大型的、积极开发的包来说并不是最稳定的。在任何情况下，foreach 都应该表现得像 for。

关于导致此问题的原因以及是否有解决方法的任何想法？

该功能适用​​的计算机的版本信息：

R version 3.2.2 (2015-08-14)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: CentOS release 6.5 (Final)

other attached packages:
[1] doParallel_1.0.10 iterators_1.0.8   foreach_1.4.3

该功能不起作用的计算机：

R version 3.2.2 (2015-08-14)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 7 x64 (build 7601) Service Pack 1

other attached packages:
[1] doParallel_1.0.10 iterators_1.0.8   foreach_1.4.3
4

2 回答 2

12

@Tensibai 是对的。尝试doParallel在 Windows 上使用时，您必须“导出”不在当前范围内的要使用的功能。根据我的经验，我完成这项工作的方式是使用以下（编辑的）示例。

format_number <- function(data) {
  # do stuff that requires stringr
}

format_date_time <- function(data) {
  # do stuff that requires stringr
}

add_direction_data <- function(data) {
  # do stuff that requires dplyr
}

parse_data <- function(data) {
  voice_start <- # vector of values
  voice_end <- # vector of values
  target_phone_numbers <- # vector of values
  parse_voice_block <- function(block_start, block_end, number) {
    # do stuff
  }

  number_of_cores <- parallel::detectCores() - 1
  clusters <- parallel::makeCluster(number_of_cores)
  doParallel::registerDoParallel(clusters)
  data_list <- foreach(i = 1:length(voice_start), .combine=list,
                       .multicombine=TRUE, 
                       .export = c("format_number", "format_date_time", "add_direction_data"), 
                       .packages = c("dplyr", "stringr")) %dopar% 
                       parse_voice_block(voice_start[i], voice_end[i], target_phone_numbers[i])
  doParallel::stopCluster(clusters)
  output <- plyr::rbind.fill(data_list)
}

由于前三个函数不包含在我当前的环境中，doParallel因此在启动 R 的新实例时会忽略它们，但它会知道在哪里找到，parse_voice_block因为它在当前范围内。此外，您需要指定应该在每个新的 R 实例中加载哪些包。正如 Tensibai 所说，这是因为您没有运行 fork 进程，而是启动多个 R 实例并同时运行命令。

于 2016-01-07T14:26:29.433 回答
7

不幸的是，当您使用以下方式注册时doParallel：

registerDoParallel(2)

然后在 Linux 和 Mac OS X 上doParallel使用，但在 Windows 上使用隐式创建的集群对象。这通常会导致代码在 Linux 上工作但在 Windows 上失败，因为工作人员在使用时是主服务器的克隆，因为. 出于这个原因，我通常使用以下方法测试我的代码：mclapplyclusterApplyLBmclapplyfork

cl <- makePSOCKcluster(2)
registerDoParallel(cl)

确保我正在加载所有必要的包并导出所有必要的函数和变量，然后切换回以在支持它registerDoParallel(2)的平台上受益。mclapply

请注意，.packagesand.export选项在doParallel使用时会被忽略mclapply，但我建议始终使用它们以实现可移植性。

在函数中使用 foreach 的自动导出功能时，它的工作并不顺利，因为 foreach 对于自动导出的内容相当保守。自动导出在当前环境中定义的变量和函数似乎很安全，但由于 R 范围规则的复杂性，除此之外对我来说似乎有风险。

我倾向于同意您的评论，即您的两种解决方法对于积极开发的包来说不是很稳定，但是如果f和g在 package 中定义foo，那么您应该使用 foreach.package选项将包加载到foo工作人员上：

g <- function(){
    r = foreach(x = 1:4, .packages='foo') %dopar% {
        return(x + f())
    }
    return(r)
}

即使它既不是由 foreach 隐式或显式导出，也将f在范围内。g但是，这确实需要它f是foo（而不是内部函数）的导出函数，因为工作人员执行的代码没有定义在 中foo，因此它只能访问导出的函数。（很抱歉以两种不同的方式使用“出口”一词，但很难避免。）

我总是很想听听像你这样的评论，因为我总是想知道是否应该调整自动导出规则。在这种情况下，我认为如果 foreach 循环由包中定义的函数执行，则集群工作人员应该自动加载该包而不需要该.packages选项。我将尝试对此进行研究，并可能将其添加到 and 的下一个版本doParallel中doSNOW。

于 2016-01-07T16:47:37.373 回答