Vilka typer av problem gynnas av parallell beräkning

Effektiv R-kod

Colin Gillespie

Jumping Rivers & Newcastle University

Matlagning

För många kockar som förstör en soppa

Inte alla analyser kan utnyttja flera kärnor
- Många statistiska algoritmer kan bara använda en enda kärna

Vad kan parallell beräkning hjälpa med?

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

Kan vi köra detta parallellt?
- NEJ
  - Utvärderingsordningen vid parallell beräkning kan inte förutsägas
  - Vi får fel svar, eftersom x[3] kan utvärderas före x[2]

Kan loopen köras framåt och bakåt?

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

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

Kan loopen köras framåt och bakåt?

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

Looparna ger olika svar
- Den första: x[8] = x[7] = ... = 1
- Den andra: x[8] = x[7] = 7
Parallell beräkning kan inte användas

Kom ihåg: Om du kan köra loopen i omvänd ordning kan du troligtvis använda parallell beräkning.

Effektiv R-kod