효과 측정

R의 병렬 프로그래밍

Nabeel Imam

Data Scientist

간단한 예제

numbers <- 1:1000000


# 순차
sqroots <- lapply(numbers, sqrt)


# 병렬
cl <- makeCluster(4)
sqroots <- parLapply(cl, numbers, sqrt)
stopCluster(my_cluster)

어느 쪽이 더 빠를까요?

성능 벤치마킹

코드를 여러 번 실행해 평균 실행 시간을 추정합니다

library(microbenchmark)


microbenchmark(
  "Sequential" = lapply(numbers, sqrt),

  "Parallel" = {
    cl <- makeCluster(4)
    parLapply(cl, numbers, sqrt)
    stopCluster(my_cluster)
  },

  times = 10
)

Unit: milliseconds
      expr     min    mean     max neval
Sequential  633.96  838.09  993.59    10
  Parallel 1136.95 1247.29 1557.58    10

간단한 수치 연산은 병렬화로 이점이 거의 없습니다
프로파일링은 줄 단위 보고, 벤치마킹은 전체 실행 시간 비교

모두가 아는 문제

sqroots <- sqrt(numbers)

거실 소파 위에 코끼리가 앉아 있고 사람들이 그 존재를 인지합니다.

벡터화

sqroots <- sqrt(numbers)

sqrt() 같은 Base R 함수는 벡터화되어 있습니다.
단일 함수를 여러 입력에 매핑
매우 빠르지만 단순 연산에만 적용 가능

microbenchmark(
  "Vectorized" = sqrt(numbers),
  "Sequential" = lapply(numbers, sqrt),
  "Parallel" = {
    cl <- makeCluster(4)
    parLapply(cl, numbers, sqrt)
    stopCluster(my_cluster)
  },
  times = 10)

Unit: milliseconds
      expr       min      mean      max neval
Vectorized    2.3904    9.2071   66.303    10
Sequential  352.1166  771.7491 1004.753    10
  Parallel 1191.3176 1377.6926 1700.316    10

부트스트랩

현재 데이터에서 복원추출로 샘플링

print(ls_df)

$`2001`
   Country             Life_expectancy  Year
 1 Afghanistan                    56.3  2001
 2 Albania                        74.3  2001
 3 Algeria                        71.1  2001
...
$`2002`
   Country             Life_expectancy  Year
 1 Afghanistan                    56.8  2002
 2 Albania                        74.6  2002
 3 Algeria                        71.6  2002
...

고전적 방식

df <- ls_df$`2001`


estimates <- rep(0, 10000)


for (i in 1:10000) {

  b <- sample(df$Life_expectancy,
              replace = T)


  estimates[i] <- mean(b)
  }

2001년 전 세계 평균 기대수명에 대한 부트스트랩 추정치의 히스토그램으로, 종 모양 분포를 보입니다.

분위수 기반 신뢰구간: quantile(estimates, c(0.025, 0.975))

좋은 소식

부트스트랩은 병렬화할 수 있습니다

estimates <- rep(0, 10000)

for (i in 1:10000) {

  b <- sample(df$Life_expectancy,
              replace = T)

  estimates[i] <- mean(b)
  }

boot_dist <- function (df) {

  estimates <- rep(0, 10000)

  for (i in 1:10000) {
    b <- sample(df$Life_expectancy, replace = T)
    estimates[i] <- mean(b)
  }

  return(estimates)
}


cl <- makeCluster(4)
ls_dists <- parLapply(cl, ls_df, boot_dist)
stopCluster(cl)

이점

microbenchmark(
  "lapply" = lapply(ls_df, boot_dist),
  "parLapply" = {
    cl <- makeCluster(4)
    parLapply(cl, ls_df, boot_dist)
    stopCluster(cl)
  },
  times = 10
)

Unit: seconds
     expr    min   mean    max neval
   lapply 3.6938 4.2184 4.5267    10
parLapply 1.9006 2.5166 2.7292    10

접근 방법:

기존 코드를 프로파일링해 가장 느린 부분 찾기
해당 단계를 병렬화/최적화
벤치마크로 비교

Vamos praticar!

R의 병렬 프로그래밍