问题标签 [mclapply]

I understand multicore is deprecated as of R version 2.14 and I was advised to start using the package parallel which comes built into the base of R 3.0.

Going through the documentation of parallel, I found that there are mainly two functions to call parallel and collect for example:

Since I'm not very familiar with the details of parallel computing, I've always used multicore's mclapply out of the box in my code. I wondering how I could take advantage of the new parallel package similarly to mclapply.

Cheers

我不知道您是否看到过一些不需要的粗体字体，如下图所示：

如您所见，第三行是粗体，而其他行不是。当我尝试使用ggplot()withlapply()或 special时，会发生这种情况，mclapply()根据不同的数据制作相同的图表模板，并将所有结果作为不同的图表放在一个 PDF 文件中。

一种解决方案是避免使用lapply(x, f)whenf()是一个返回绘图的函数，但在某些情况下ggplot()我必须这样做以组合图表（即作为 的输入）。grid.arrange()

很抱歉无法为您提供可重现的示例，我非常努力但没有成功，因为代码和数据的大小对于多个嵌套函数来说太大了，当我降低复杂性以制作可重现的示例时，问题并没有发生。

我问这个问题是因为我猜也许有人遇到过同样的经历并且知道如何解决它。

我最近开始在 R 中为一个项目使用并行技术，并使用并行包中的mclapply让我的程序在 Linux 系统上运行。但是，我对 Windows 的理解遇到了障碍。parLapply

使用mclapply我可以设置核心数、迭代数，并将其传递给我工作区中的现有函数。

我似乎无法在 Windows 中使用parLapply. 据我了解，我需要通过 using 传递所有变量clusterExport()，并将我想要应用的实际函数传递给参数。

这是正确的还是有类似于mclapply适用于 Windows 的功能的东西？

StackOverflow 上的第一篇文章，所以如果我的礼仪不太正确，请保持温和。

我有一个大数据框（实际上，其中有七个，但这并不重要），其中包含从一副纸牌中抽出的手。我有另一个与之配套的数组，显示玩家选择持有的初始手牌中的哪些牌。任何未持有的牌都会从牌库中重新抽取。第一个数据框包含所有绘制的卡片，因此每行的长度可以在 5 到 10 列之间，对于 5 到 0 之间的卡片。这有意义吗？例如：

所以我正在做的是制作一个新的数据框，其中只包含玩家最终得到的卡片，即删除每行未在持有的卡片数组中标识的单元格。我已经编写了代码来执行此操作，但它现在整个周末都在运行，但仍未完成。这是我正在运行的代码（这一切都发生在 lapply 中，以遍历我拥有的每个数据帧/矩阵对，我试图优化的部分发生在 mclapply 中）：

我是否缺少任何可以减少某些步骤的功能？如果数据框是数组会更快吗？我只需要等待几天和几天吗？如果重要的话，我在配备两个 Xeon E5-2407 四核处理器和 32GB 内存的 Z620 上运行。

我在 RStudio 中使用 mclapply 并希望从每个进程向控制台输出一个输出，但这似乎以某种方式被抑制（例如这里提到的：Is mclapply 保证按顺序返回其结果？）。我怎样才能让 R Studio 打印类似的东西

x <- mclapply(1:20, function(i) cat(i, "\n"))

到控制台？

我尝试过 print()、cat()、write()，但它们似乎都不起作用。我还尝试mc.silent = FALSE显式设置而没有效果。

什么是一种简单快捷的方法：

到

?

或者一般来说：

如果列表 x 和 y 的长度相同，并且它们的元素的长度也对应，那么如何将它组合成一个列表，如上所示？

我很困惑。我想通过使用mclapply:parallel来加速我的算法，但是当我比较时间效率时， apply 仍然获胜。

我正在通过函数 quantsm 调用的rq.fit.fnb:quantreg对 log2ratio 数据进行平滑处理，并将数据包装到矩阵/列表中以供应用/lapply(mclapply)使用。

我像这样调整我的数据：

和时间比较：

函数quantsm：

函数rq.fit.fnb（quantreg 库）：

对于长度为 2000 的数据向量，我得到：

（值 = 以秒为单位的经过时间；列 = 平滑矩阵/列表的不同列数）

对于长度为 4000 的数据，我得到：

为什么 apply 比 mclapply 高效得多？也许我只是在做一些常见的初学者错误。

谢谢你的反应。

assign()使用or很容易修改函数外部的变量<<-，即使函数是使用 调用的lapply()。但是这些技巧在使用in packagemclapply()的并行版本调用函数时似乎不起作用：lapply()multicore

如何在调用函数时执行相同的任务 - 修改函数外部的变量mclapply()？

我知道这应该小心使用，因为并行运行的函数可能会尝试修改可能导致严重同步错误的相同变量，但是在某些情况下它是有帮助的。

我在平台上使用 R 3.0.1：x86_64-apple-darwin10.8.0（64 位）

我正在尝试使用 tm 库中的 tm_map 。但是当我执行这段代码时

我收到此错误：

有谁知道这个的解决方案？

当mclapply(X, FUN)遇到 的某些值的错误时X，错误会传播到 的其他一些（但不是全部）值X：

我怎样才能阻止这种情况发生？