R の並列化

R による並列プログラミング

Nabeel Imam

Data Scientist

実例

データ

print(file_list)

 [1] "./uni_data_country/Argentina.csv"
 [2] "./uni_data_country/Armenia.csv"
 [3] "./uni_data_country/Australia.csv"
 [4] "./uni_data_country/Austria.csv"
 [5] "./uni_data_country/Azerbaijan.csv"
 [6] "./uni_data_country/Bahrain.csv"
 [7] "./uni_data_country/Bangladesh.csv"
 [8] "./uni_data_country/Belarus.csv"
 [9] "./uni_data_country/Belgium.csv"
[10] "./uni_data_country/Bolivia.csv"
...

3 つの大学校舎と卒業生が描かれ、1〜3 位のランクが付けられている。

列を追加

for (file in file_list) {

  df <- read.csv(file)


  df$top100 <- NA

  for (r in 1:nrow(df)) {
    df$top100[r] <- df$world_rank[r] <= 100
  }


  write.csv(df, file)
}

プロファイリング

コード

library(profvis)


profvis({

  for (file in file_list) {

    df <- read.csv(file)
    df$top100 <- NA

    for (r in 1:nrow(df)) {
      df$top100[r] <- df$Rank[r] <= 100
    }
    write.csv(df, file)
  }

})

出力

profvis() のプロファイリング出力。サンプルコードでは、データ読み込みに 40 ミリ秒、`top100` 列の値の設定に 80 ミリ秒。その他はほぼ瞬時。

並列化しましょう

ループ

  for (file in file_list) {

    df <- read.csv(file)
    df$top100 <- NA

    for (r in 1:nrow(df)) {
      df$top100[r] <- df$Rank[r] <= 100
    }
    write.csv(df, file)
  }

関数

add_col <- function(file_path) {

  df <- read.csv(file_path)
  df$top100 <- NA

  for (r in 1:nrow(df)) {
    df$top100[r] <- df$Rank[r] <= 100
  }
  write.csv(df, file_path)
}


cl <- makeCluster(6)

dummy <- parLapply(cl, file_list, add_col)
stopCluster(cl)

実務上の注意点：コア数

コア数の検出

detectCores()

[1] 8

並列コード

cl <- makeCluster(detectCores() - 2)


dummy <- parLapply(cl, file_list, add_col)

stopCluster(cl)

実務上の注意点：クラスター種別

PSOCK クラスター（既定）

cl <- makeCluster(detectCores() - 2)

現在の R セッションのコピーを作成
コア間でメモリ共有なし
すべての OS で動作（Windows/Mac/Linux）

FORK クラスター

cl <- makeCluster(detectCores() - 2,
                  type = "FORK")

R セッションからサブプロセスを生成
コア間でメモリ共有（PSOCK より高速）
Windows では不可

演習に進みましょう！

R による並列プログラミング