실전 parLapply

R의 병렬 프로그래밍

Nabeel Imam

Data Scientist

워커를 알아봅시다

cluster <- makeCluster(4)

clusterEvalQ(cluster, {
  id <- Sys.getpid()
  print(
    paste("Hello, my worker ID is", id)
  )
})

[[1]]
[1] "Hello, my worker ID is 425108"

[[2]]
[1] "Hello, my worker ID is 425129"

[[3]]
[1] "Hello, my worker ID is 425150"

[[4]]
[1] "Hello, my worker ID is 425171"

병렬로 데이터 필터링

print(file_list)

 [1] "./health/Afghanistan.csv"            
 [2] "./health/Albania.csv"            
 [3] "./health/Algeria.csv"            
 [4] "./health/American Samoa.csv"     
 [5] "./health/Andorra.csv"            
...

청진기가 100달러 지폐 다발 위에 놓여 있다.

병렬로 데이터 필터링

filterCSV <- function (csv) {
  read.csv(csv) %>% 
    dplyr::filter(!is.na(health_exp_pc))
}


cl <- makeCluster(4)
ls_df <- parLapply(cl, file_list, filterCSV)
stopCluster(cl)

Error in checkForRemoteErrors(val) :
  first error: could not find function "%>%"

clusterEvalQ로 해결하기

클러스터에 패키지 로드

cl <- makeCluster(4)
clusterEvalQ(cl, library(dplyr))


ls_df <- parLapply(cl, file_list, filterCSV)
stopCluster(cl)

클러스터에 여러 패키지 로드

clusterEvalQ(cl, {
  library(dplyr)
  library(stringr)
})

[[1]]
       Country health_exp_pc Year
1  Afghanistan      81.27103 2002
2  Afghanistan      82.45785 2003
3  Afghanistan      89.47005 2004
...

[[2]]
   Country health_exp_pc Year
1  Albania      300.2757 2001
2  Albania      314.3254 2002
3  Albania      343.9442 2003
...

조건으로 필터링

# 시작 연도를 인수로 받는 함수
filterCSV <- function (csv, min_year) { 

  read.csv(csv) %>% 
    dplyr::filter(!is.na(health_exp_pc),

                  # min_year 이후 데이터 필터링
                  Year >= min_year) 
}


selected_year <- 2010 # min_year에 전달할 값

조건으로 필터링

cl <- makeCluster(4)
clusterEvalQ(cl, library(dplyr))

clusterExport(cl, "selected_year",

             envir = environment())


ls_df <- parLapply(cl, file_list, filterCSV,

                   min_year = selected_year)

stopCluster(cl)

selected_year를 클러스터로 내보내기
현재 환경에서 내보내기

selected_year를 min_year에 전달

조건으로 필터링

[[1]]
       Country health_exp_pc Year
1  Afghanistan      143.6695 2010
2  Afghanistan      143.0915 2011
3  Afghanistan      151.9180 2012
...
  Country health_exp_pc Year
1 Albania      451.8820 2010
2 Albania      485.5835 2011
3 Albania      529.6322 2012
...

클러스터 위생 체크리스트

코어 수 결정
적절한 클러스터 생성
- 모든 시스템 호환: PSOCK
- Linux/Mac 고속: FORK
필요한 패키지 로드
필요한 변수 내보내기
내보낸 변수를 명명된 인수에 전달
완료 후 클러스터 중지

n_cores <- detectCores() - 2


cluster <- makeCluster(n_cores)




clusterEvalQ(cluster, library(crucial_package))

clusterExport(cluster, "variable_we_need")


parLapply(cluster, ls_inputs, our_function,
          named_argument = variable_we_need)


stopCluster(cluster)

연습해 봅시다!

R의 병렬 프로그래밍