並列処理における再現性

R による並列プログラミング

Nabeel Imam

Data Scientist

再現性とは

同じ入力なら、実行のたびに同じ結果

コードをテストできる
他者が結果を再現できる

コードから円グラフが生成される。同じコードを再実行すると、まったく同じ円グラフが得られる。

顧客くじ引き

print(customer_ids)

$USA
   [1] 465500 612953 106420 279492 376941 163474 164493 801983 898941 406844 829157 ...
$Canada
   [1] 140521 398164 817703 715385 771801 656814 721270 719120 425819 774558 111418 ...
$Mexico
   [1] 714842 486725 706765 858020 790364 390760 198667 419197 352989 202494 756636 ...
$UK
   [1] 886285 151731 274940 779966 375535 431644 880434 649074 765423 449147 408041 ...

顧客くじ引き

lucky_draw <- function (ids) {
  sample(ids, 1)
}


cl <- makeCluster(4)


set.seed(1234)

parLapply(cl, customer_ids, lucky_draw)
stopCluster(cl)

$USA
[1] 673576

$Canada
[1] 164613

$Mexico
[1] 769658

$UK
[1] 683102

再現性の問題

1回目の当選者

$USA
[1] 673576

$Canada
[1] 164613

$Mexico
[1] 769658

$UK
[1] 683102

2回目の当選者

$USA
[1] 638051

$Canada
[1] 133431

$Mexico
[1] 522137

$UK
[1] 856141

解答

cl <- makeCluster(4)


# クラスター内の全ワーカーに同じ乱数系列を設定
clusterSetRNGStream(cl, 1234)


parLapply(cl, customer_ids, lucky_draw)
stopCluster(cl)

複数回でも同じ結果

1回目の当選者

$USA
[1] 421408

$Canada
[1] 877562

$Mexico
[1] 460786

$UK
[1] 658513

2回目の当選者

$USA
[1] 421408

$Canada
[1] 877562

$Mexico
[1] 460786

$UK
[1] 658513

複数回でも同じ結果

1回目

cl <- makeCluster(4)

clusterSetRNGStream(cl, 1234)


run1 <- parLapply(cl, customer_ids, lucky_draw)
stopCluster(cl)

2回目

cl <- makeCluster(4)

clusterSetRNGStream(cl, 1234)

run2 <- parLapply(cl, customer_ids, lucky_draw)
stopCluster(cl)


identical(run1, run2)

[1] TRUE

furrrで再現可能な結果

1回目

config <- furrr_options(seed = 1234)


plan(multisession, workers = 4)

run1 <- future_map(customer_ids, lucky_draw,
                   .options = config)
plan(sequential)

2回目

plan(multisession, workers = 4)

run2 <- future_map(customer_ids, lucky_draw,
                  # 同じ設定を使用
                  .options = config)
plan(sequential)

identical(run1, run2)

[1] TRUE

foreachで再現可能な結果

1回目

install.packages("doRNG")
library(doRNG)


cl <- makeCluster(4)
registerDoParallel(cl)

registerDoRNG(1234)


run1 <- foreach(i = customer_ids) %dopar% {
  lucky_draw(i)
}
stopCluster(cl)

2回目

cl <- makeCluster(4)
registerDoParallel(cl)
registerDoRNG(1234) # 同じシード

run2 <- foreach(i = customer_ids) %dopar% {
  lucky_draw(i)
}
stopCluster(cl)

identical(run1, run2)

[1] TRUE

再現性を意識すべきとき

乱数生成器の直接呼び出し
- rnorm、rbinom など
ランダムサンプリング
- ブートストラップ
- dplyr の sample_n()

Lass uns üben!

R による並列プログラミング