R語言如何通過parallel包實現多線程運行方式

這篇文章將為大家詳細講解有關R語言如何通過parallel包實現多線程運行方式，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

什么是R語言

R語言是用于統計分析、繪圖的語言和操作環境，屬于GNU系統的一個自由、免費、源代碼開放的軟件，它是一個用于統計計算和統計制圖的優秀工具。

總的來說，R的運算速度不算快，不過類似并行運算之類的改進可以提高運算的性能。下面非常簡要地介紹如何利用R語言進行并行運算

library(parallel)cl.cores <- detectCores()cl <- makeCluster(cl.cores)

detectCores( )檢查當前電腦可用核數。

makeCluster(cl.cores)使用剛才檢測的核并行運算。R-Doc里這樣描述makeCluster函數：Creates a set of copies of R running in parallel and communicating over sockets. 即同時創建數個R進行并行運算。

在該函數執行后就已經開始并行運算了，電腦可能會變卡一點。尤其在執行par開頭的函數時。

在并行運算環境下，常用的一些計算方法如下：

1. clusterEvalQ(cl,expr)函數利用創建的cl執行expr

這里利用剛才創建的cl核并行運算expr。expr是執行命令的語句，不過如果命令太長的話，一般寫到文件里比較好。比如把想執行的命令放在Rcode.r里：

clusterEvalQ(cl,source(file="Rcode.r"))

2.par開頭的apply函數族

這族函數和apply的用法基本一樣，不過要多加一個參數cl。一般如果cl創建如上面cl <- makeCluster(cl.cores)的話，這個參數可以直接用作parApply(cl=cl,…)。

當然Apply也可以是Sapply,Lapply等等。注意par后面的第一個字母是要大寫的，而一般的apply函數族第一個字母不大寫。另外要注意，即使構建了并行運算的核，不使用parApply()函數，而使用apply()函數的話，則仍然沒有實現并行運算。

換句話說，makeCluster只是創建了待用的核，而不是并行運算的環境。

最后，終止并行運算只需要一行命令

stopCluster(cl)

案例1

不使用并行計算，直接使用lapply（隱式循環函數，它實際就是對不同的數據應用了相同的函數）：

fun <- function(x){return (x+1);}system.time({res <- lapply(1:5000000, fun);});user  system elapsed21.42    1.74   25.70

案例2

使用parallel包來加速

library(parallel)#打開四核，具體核數根據機器的核數決定cl <- makeCluster(getOption("cl.cores", 4));system.time({res <- parLapply(cl, 1:5000000,  fun)});user system elapsed6.54 0.34 19.95#關閉并行計算stopCluster(cl);

看看單核機器跑出來的結果：

user  system elapsed29.30    9.23   97.22

所以，并非核數越多越好，看機器配置。

這個函數有兩點要注意：

首先要先用detectCores函數確定系統核心數目，對于Window系統下的Intel I5或I7 處理器，一般使用detectCores(logical = F)來獲得實際的物理核心數量。

由于這個函數使用的是調用Rscript的方式，這個例子里，對象被復制了三份，因此內存會吃的很厲害，在大數據條件就要小心使用。

案例3

在Linux下使用mclapply函數的效果如下：

mc <- getOption("mc.cores", 3)system.time({res <- mclapply(1:5000000, fun, mc.cores = mc);});user system elapsed6.657 0.500 7.181 stopCluster(cl);

補充：R語言如何并行處理[parallel package][向量化操作并行優化]

使用數據，長下面這樣：

方法：

使用parallel包，并行向量化處理，進一步提升原先向量化處理速度。

原始代碼：

start <- Sys.time()experiment_step1 <- apply(dtc_small_modify, 1, decompose)end <- Sys.time()print(end-start)

原始運行時間：3.083114 分

使用parallel包后

library(parallel) #并行處理包cl.cores <- detectCores(logical = F) #計算電腦核心數cl <- makeCluster(cl.cores) # 初始化要使用的核心數start <- Sys.time()results <- parApply(cl=cl, dtc_small_modify, 1, decompose) # apply的并行版本stopCluster(cl) # 關閉并行模式end <- Sys.time()print(end-start)

并行后

運行時間：55.5877 秒，相較原先，速度提升了將近四倍！

Tips：上述是對向量化（Vectorization）apply類的并行處理。對于apply的并行處理，必須使用par開頭的對應apply.

列表如下：

parLapply(cl = NULL, X, fun, …, chunk.size = NULL) parSapply(cl = NULL, X, FUN, …, simplify = TRUE, USE.NAMES = TRUE, chunk.size = NULL) parApply(cl = NULL, X, MARGIN, FUN, …, chunk.size = NULL) parRapply(cl = NULL, x, FUN, …, chunk.size = NULL) parCapply(cl = NULL, x, FUN, …, chunk.size = NULL) parLapplyLB(cl = NULL, X, fun, …, chunk.size = NULL) parSapplyLB(cl = NULL, X, FUN, …, simplify = TRUE, USE.NAMES = TRUE, chunk.size = NULL)

使用apply類向量化操作后，常常產生大規模列表，可能需要將列表轉成一個完整的大數據框。

關于“R語言如何通過parallel包實現多線程運行方式”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。