[无所不包的R]多核计较multicore package

跟我之前先容过的snowfall纷歧样，multicore这个包专注于做好单机多核并行这个简朴而又常用的成果。这是我用过的R里最便捷的单机多核并行东西，因为它的并行化跟向量化计较细密相连，而R又是天然的向量化平台，所以一切计较往并行计较的迁移都很顺理成章。multicore的一个突出特点是历程间共享事情区，所以不需要再为新的历程初始化事情区，大大加速了历程建设与初始化速度。

主要的几个顶层应用函数：

mclapply——lapply的并行版本

pvec——对向量化函数的并行

parallel与collect——并行地执行R语句，并收集返回功效。只读时共享事情区，写数据时遵循copy-on-write原则。

手册例子：mclapply对lapply的并行及计较增益

lapply是一个天然可并行的函数，mclapply可以把它的计较分派到多个核举办计较，还特别提供了几个参数：

mc.preschedule：TRUE暗示按照core的数量事先把任务均分，然后分配到各个子历程；FALSE暗示为每一个任务及时发生子历程。前者合用于任务数量较量多，而每个任务计较差别不大的环境；后者合用于任务量不多，但各个任务计较劲差别较量大的环境。

mc.set.seed：随机数产生器的初始值。TRUE暗示每个子历程均自行初始化随机数种子，FALSE暗示每个子历程利用一样的随机数种子。

mc.cores：利用核的数量，默认为利用所有可用的核。

以下是一个来自manual的例子，比拟了lapply与mclapply的效率。

> system.time(unlist(mclapply(1:32, function(x) sum(rnorm(1e7)))))

 user  system elapsed

 75.625   2.252  12.466

 > system.time(unlist(lapply(1:32, function(x) sum(rnorm(1e7)))))

 user  system elapsed

 73.972   2.304  76.282

一般的向量化运算及pvec，mclapply

pvec的成果与mclapply雷同，但更为特化，只针对付向量化函数举办操纵，所谓向量化的函数，意指它以一个向量为输入，并获得一个沟通长度的向量作为输出，而且c(FUN(x[i]), FUN([j]))==FUN(x[c(i,j)])，所以pvec实质是把一个向量化运算支解为多个向量化运算来做。而mclapply可以对任意的FUN举办操纵，并对每一个数据应用FUN函数。因为利用了向量化运算，pvec的效率会比mclapply高不少，假如利用不妥，mclapply也许会比一般的向量化函数还慢，如下面的例子。

> dates <- sprintf(‘%04d-%02d-%02d’, as.integer(2000+rnorm(1e5)),as.integer(runif(1e5,1,12)), as.integer(runif(1e5,1,28)))

> system.time(a <- as.POSIXct(dates))

 user  system elapsed

 0.692   0.180   0.872

 > system.time(b <- pvec(dates, as.POSIXct))

 user  system elapsed

 0.620   0.956   0.382

 > system.time(c <- unlist(mclapply(dates, as.POSIXct)))

 user  system elapsed

 79.517   1.900  18.888

所以，

假如有系统已经优化好的向量化函数，利用pvec来并行；

假如没有，而且可以现成套用lapply的模式，利用mclapply来实现；

操作底层语言来实现向量化函数或编写lapply中的FUN函数的焦点部门是可取的；

每个子任务的计较劲越大，越适适用于并行，反之则否则。