R并行计算-parallel例子1

前言：

通常，如果进程运行时间超过3分钟，则会考虑使用并行处理。

这听起来可能很复杂，但是并行计算很简单。

• 当你有一个重复的任务，它占用了你太多宝贵的时间，为什么不使用并行计算来节省时间呢？
• 即使你有一个单一的任务，你也可以通过将任务分成更小的部分来从并行处理中受益。

两个广泛使用的并行处理包是parallel和foreach。 

1-并行计算准备阶段：

在R中使用并行计算的主要目的 提高运行速度，由于R是单核运行的程序，现在的计算机都是多核，如果只用一个核跑程序，让计算机的其他核空闲，势必是一种资源的浪费。

library(parallel)

# 设置并行计算的核心数
num_cores <- detectCores()
cl <- makeCluster(num_cores)

# 执行并行计算的任务
result <- parLapply(cl, data, your_function)

# 关闭并行计算的集群
stopCluster(cl)

流程：设置并行计算的核数-->执行并行计算-->关闭并行计算的集群。

无论使使用哪种并行计算包，都是基于上述三个步骤，1-设置并行计算的核数；2 执行并行计算 3 关闭并行计算的集群。

2-各种方法对比

2.0生成数据：

# create test data
set.seed(1234)
df <- data.frame(matrix(data = rnorm(1e7),  ncol = 1000))
dim(df)

 目标：对这个矩阵每行求和。

2.1使用For循环

运行事件3.83mins

# for Example 1
times1 <- Sys.time()
results <- c()

for (i in 1:dim(df)[1]) {
  results <- c(results, sum(df[i,]))
}

times2 <- Sys.time()
print(times2 - times1) 
#2.77314 mins


#for Example 2
times1 <- Sys.time()
results <- c()

for (i in 1:dim(df)[1]) {
  results[i] <- sum(df[i,])
}

times2 <- Sys.time()
print(times2 - times1) 
#2.404386 mins

2.2使用apply函数

当提到循环的时候，我们想到的是For、while循环和apply函数族，可以说apply函数族是代替循环的好方法。

#2
times1 <- Sys.time()
apply(df,1,sum)

times2 <- Sys.time()
print(times2 - times1) 
#0.5269971 secs

 2.3使用baseR中自带的函数rowSums()

#3
times1 <- Sys.time()
rowSums(df)
times2 <- Sys.time()
print(times2 - times1)
#0.146533 secs 

2.4使用parallel包

这里用到了对数据进行分割，按照核数1:8进行分割，分割成8份，得到一个list列表对象。然后使用parLapply()函数进行计算。

#4 
# load R Package
library(parallel)
# check cores numbers
detectCores()
# set cores numbers
num_cores <- 8
# start times
times1 <- Sys.time()
# split data
chunks <- split(df, f = rep(1:num_cores, length.out = nrow(df)))
class(chunks) #list 列表
length(chunks)
# create parallel
cl <- makeCluster(num_cores)

# computed in parallel
results <- parLapply(cl, chunks, function(chunk){
  apply(chunk, 1, sum)
})

# Turn off the cluster for parallel computing
stopCluster(cl)

# combine result
final_result <- unlist(results)

times2 <- Sys.time()

print(times2 - times1) 
#3.047416 secs

2.5使用foreach包

install.packages("foreach")
install.packages("doParallel")
library(foreach)
library(doParallel)
# 创建一个集群并注册
cl <- makeCluster(8)
registerDoParallel(cl)


# 启动并行计算
time1 <- Sys.time()
x2 <- foreach(i = 1:dim(df)[1], .combine = c) %dopar% {
  sum(df[i,])
}
time2 <- Sys.time()
print(time2-time1)

# 在计算结束后别忘记关闭集群
stopImplicitCluster()
stopCluster(cl)
# 53.63808 secs

参考：

Rtips 多核心并行计算