Zrównoleglanie w R

Programowanie równoległe w R

Nabeel Imam

Data Scientist

Praktyczny przykład

Dane

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"
...

Trzy budynki uczelni z absolwentami, każdemu przypisano miejsce w rankingu od jednego do trzech.

Dodawanie kolumny

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)
}

Profilowanie

Kod

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)
  }

})

Wynik

Wynik profilowania z profvis(). Wczytanie danych zajmuje 40 ms, a wypełnienie kolumny `top100` – 80 ms. Pozostałe kroki są niemal natychmiastowe.

Zrównoleglamy kod

Pętla

  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)
  }

Funkcja

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)

Kwestie praktyczne: liczba rdzeni

Wykrywanie rdzeni

detectCores()

[1] 8

Kod zrównoleglony

cl <- makeCluster(detectCores() - 2)


dummy <- parLapply(cl, file_list, add_col)

stopCluster(cl)

Kwestie praktyczne: typ klastra

Klaster PSOCK (domyślny)

cl <- makeCluster(detectCores() - 2)

Tworzy kopie bieżącej sesji R
Rdzenie nie współdzielą pamięci
Działa na każdym systemie (Windows, Mac, Linux)

Klaster FORK

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

Tworzy podprocesy z sesji R
Rdzenie współdzielą pamięć (szybszy niż PSOCK)
Nie działa na Windows

Czas na ćwiczenia!

Programowanie równoległe w R