描繪未來

R 平行程式設計

Nabeel Imam

Data Scientist

我們懂得運用 futures

report <- "<important report text>"

task_future <- future({
  print("Hi, please find attached the report.")
  report
})
R 平行程式設計

用 purrr 做對應（map）

library(purrr)


numbers <- 1:1000000
map(numbers, sqrt)

[[1]]
[1] 1

[[2]]
[1] 1.414214

[[3]]
[1] 1.732051

[[4]]
[1] 2
...
R 平行程式設計

map 的各種型別

map_dbl(numbers, sqrt)

 [1]  1.000000  1.414214  1.732051 
 [4]  2.000000  2.236068  2.449490
 [7]  2.645751  2.828427  3.000000  
[10]  3.162278  3.316625  3.464102
[13]  3.605551  3.741657  3.872983
  ...
  • map + 「_dbl」後綴
    • 輸出為雙精度或小數

 

  • 結果以向量回傳
R 平行程式設計

map 的各種型別

map_chr(numbers, sqrt)

 [1] "1.000000"  "1.414214"  "1.732051"
 [4] "2.000000"  "2.236068"  "2.449490"
 [7] "2.645751"  "2.828427"  "3.000000"
[10] "3.162278"  "3.316625"  "3.464102"
[13] "3.605551"  "3.741657"  "3.872983"
  ...
  • map + 「_chr」後綴
    • 輸出為字元（字串）

 

  • 回傳字元向量
R 平行程式設計

map 的各種型別

函式

  • map()
  • map_chr()
  • map_dbl()
  • map_int()
  • map_lgl()

輸出格式

  • 向量、資料框等的清單
  • 字元或字串（單一值）
  • 雙精度或小數（單一值）
  • 整數（單一值）
  • 邏輯值（單一值）
R 平行程式設計

指定輸出型別

microbenchmark(
  "map" = map(numbers, sqrt),
  "map_dbl" = map_dbl(numbers, sqrt),
  "map_chr" = map_chr(numbers, sqrt),
  times = 10
)

Unit: milliseconds
     expr     min    mean     max neval
1     map  794.20 1254.46 1904.02    10
2 map_dbl  889.33 1067.41 1496.56    10
3 map_chr 1735.96 1934.97 2269.59    10
R 平行程式設計

future + purrr = furrr

purrr

依序執行

library(purrr)
map_dbl(1:1000000, sqrt)

furrr

依序執行

library(furrr)
future_map_dbl(1:1000000, sqrt)
R 平行程式設計

furrr 並行運算

n_cores <- detectCore() - 2


plan(multisession, workers = n_cores)


future_map_dbl(1:1000000, sqrt) # 啟用 Future 的 map_dbl()


plan(sequential)

   [1]  1.000000  1.414214  1.732051  2.000000  2.236068  2.449490  2.645751
   [8]  2.828427  3.000000  3.162278  3.316625  3.464102  3.605551  3.741657
  [15]  3.872983  4.000000  4.123106  4.242641  4.358899  4.472136  4.582576
R 平行程式設計

future_map 與家族函式

purrr 函式

  • map()
  • map_chr()
  • map_dbl()
  • map_int()
  • map_lgl()

支援 future 的 furrr 函式

  • future_map()
  • future_map_chr()
  • future_map_dbl()
  • future_map_int()
  • future_map_lgl()
R 平行程式設計

furrr 的優勢

  • 給定一組輸入 input_list，以及要對應的函式 calculate()：
future_list <- lapply(input_list, function (x) future(calculate(x)))

result_list <- value(future_list)

# 進一步處理 result_list 以產生數值向量

library(furrr)

# 使用 future_map_dbl() 變體直接取得數值向量
result_list <- future_map_dbl(input_list, calculate)
R 平行程式設計

一起來練習吧！

R 平行程式設計

Preparing Video For Download...