R'de Paralelleştirme

R'da Paralel Programlama

Nabeel Imam

Data Scientist

Pratik bir örnek

Veri

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"
...

Üç üniversite binası ve mezun olan öğrenciler gösteriliyor; her biri birden üçe kadar sıralanmış.

Bir sütun ekle

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)
}

Profil çıkarma

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)
  }

})

Çıktı

profvis() profil çıktısı. Örnek koda göre, veriyi okumak 40 milisaniye, `top100` sütununu doldurmak 80 milisaniye sürüyor. Diğer adımlar neredeyse anlık.

Hadi paralelleştirelim

Döngü

  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)
  }

Fonksiyon

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)

Pratik noktalar: çekirdek sayısı

Çekirdekleri saptama

detectCores()

[1] 8

Paralelleştirilmiş kod

cl <- makeCluster(detectCores() - 2)


dummy <- parLapply(cl, file_list, add_col)

stopCluster(cl)

Pratik noktalar: küme türü

PSOCK kümesi (varsayılan)

cl <- makeCluster(detectCores() - 2)

Mevcut R oturumunun kopyalarını oluşturur
Çekirdekler belleği paylaşmaz
Her işletim sisteminde çalışır (Windows, Mac, Linux)

FORK kümesi

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

R oturumundan alt süreçler oluşturur
Çekirdekler belleği paylaşır (PSOCK'tan daha hızlı)
Windows'ta çalışmaz

Hadi egzersiz yapalım!

R'da Paralel Programlama