R语言通过parallel包实现多线程运行

编者按

总的来说，R的运算速度不算快，不过类似并行运算之类的改进可以提高运算的性能。下面非常简要地介绍如何利用R语言进行并行运算。

代码如下：

library(parallel)#自带的包

cl.cores <- detectCores()

cl <- makeCluster(cl.cores)

detectCores( )检查当前电脑可用核数。

makeCluster(cl.cores)使用刚才检测的核并行运算。

说明文档里这样描述makeCluster函数：Creates a set of copies of R running in parallel and communicatingover sockets. 即同时创建数个R进行并行运算。在该函数执行后就已经开始并行运算了，电脑可能会变卡一点。尤其在执行par开头的函数时。

在并行运算环境下，常用的一些计算方法如下：

1. clusterEvalQ(cl,expr)函数利用创建的cl执行expr这里利用刚才创建的cl核并行运算expr。expr是执行命令的语句，不过如果命令太长的话，一般写到文件里比较好。比如把想执行的命令放在Rcode.r里：

clusterEvalQ(cl,source(file="Rcode.r"))

2.par开头的apply函数族。这族函数和apply的用法基本一样，不过要多加一个参数cl。一般如果cl创建如上面cl <- makeCluster(cl.cores)的话，这个参数可以直接用作parApply(cl=cl,…)。当然Apply也可以是Sapply,Lapply等等。注意par后面的第一个字母是要大写的，而一般的apply函数族第一个字母不大写。另外要注意，即使构建了并行运算的核，不使用parApply()函数，而使用apply()函数的话，则仍然没有实现并行运算。换句话说，makeCluster只是创建了待用的核，而不是并行运算的环境。

最后，终止并行运算只需要一行命令

stopCluster(cl)

案例1、不使用并行计算，直接使用lapply（隐式循环函数，它实际就是对不同的数据应用了相同的函数）：

fun=function(x){

return(x-sqrt(x))

}

system.time({

res <- lapply(1:5000000, fun);

});

案例2、使用parallel包来加速

library(parallel)

#打开四核，具体核数根据机器的核数决定

cl <-makeCluster(getOption("cl.cores", 4));

system.time({

res <- parLapply(cl, 1:5000000, fun)

});

这个函数需要注意：

虽然可以看到运算速度是有所提升的，而实际情况中并非核数越多越好，看机器配置。

首先要先用detectCores函数确定系统核心数目，对于Window系统下的Intel I5或I7 处理器，一般使用detectCores(logical = F)来获得实际的物理核心数量，在大数据的处理下要使用得格外谨慎。

参考文献：

http://blog.sina.com.cn/s/blog_13ec737150102x58p.html

往期「精彩内容」，点击回顾

DNA测序历史 | CircRNA数据库 | Epigenie表观综合 | 癌症定位

BWA介绍 | 源码安装R包 | CancerLocator | lme4 | 450K分析

乳腺癌异质性 | BS-Seq | 隐马模型 | Circos安装 | Circos画图

KEGG标记基因 | GDSC | Meta分析 | R线性回归和相关矩阵

精彩会议及课程，点击回顾

计算表观遗传学大数据前沿学术论坛会议记实

哈尔滨医科大学2017年全国生物信息学暑期学校

2017龙星课程系列（一）

2017龙星课程系列（二）
2017龙星课程系列（三）

2017龙星课程系列（四）

2017龙星课程系列（五）

更多相关文章

随机推荐