Quels types de problèmes profitent du calcul parallèle

Écrire du code R efficace

Colin Gillespie

Jumping Rivers & Newcastle University

Cuisine

Trop de cuisiniers gâchent le bouillon

Toutes les analyses n'exploitent pas plusieurs cœurs
- Beaucoup d'algorithmes statistiques n'utilisent qu'un seul cœur

Alors, où le calcul parallèle aide-t-il ?

for(i in 1:8)
    sims[i] <- monte_carlo()

# User defined function
combine_simulations(sims)

x <- 1:8
for(i in 2:8)
    x[i] <- x[i-1]

x[8] = x[7] = ... x[2] = x[1] = 1

Peut-on exécuter ceci en parallèle ?
- NON
  - Or, l'ordre d'évaluation en calcul parallèle est imprévisible
  - Le résultat sera faux, car x[3] peut être évalué avant x[2]

La boucle peut-elle s'exécuter dans les deux sens ?

for(i in 1:8)
    sim[i] <- monte_carlo_simulation()

for(i in 8:1)
    sim[i] <- monte_carlo_simulation()

La boucle peut-elle s'exécuter dans les deux sens ?

x <- 1:8
for(i in 2:8)
    x[i] <- x[i-1]
for(i in 8:2)
    x[i] <- x[i-1]

Les boucles donnent des réponses différentes
- La première : x[8] = x[7] = ... = 1
- La deuxième : x[8] = x[7] = 7
Le calcul parallèle est impossible

À retenir : Si vous pouvez exécuter votre boucle à l'envers, vous pouvez probablement utiliser le calcul parallèle.

Écrire du code R efficace