如何并行化 R 中包的函数

Question

我想并行化我正在处理的包的一部分。我应该使用哪些包和什么语法来使包灵活且可用于不同的架构？我的问题在于单个 sapply() 调用，如此模拟代码所示：

.heavyStuff <- function(x) { 
   # do a lot of work
   Sys.sleep(1)
}

listOfX <- 1:20

userFunc1 <- function(listOfX) {    
  res <- sapply(listOfX, .heavyStuff)
  return(res)
}

根据不同的指南，我炮制了以下内容：

userFunc2 <- function(listOfX, dopar.arg=2) {
  if(requireNamespace("doParallel")) {
    doParallel::registerDoParallel(dopar.arg)
    res <- foreach(i=1:length(listOfX)) %dopar% {
       .heavyStuff(listOfX[[i]])
    }
    names(res) <- names(listOfX)
  } else {
    res <- sapply(listOfX, .heavyStuff)
  }
  return(res)
}

问题：

1. 我可以安全地在包中使用这样的代码吗？它能否在各种平台上正常运行？
2. 有没有办法避免foreach() 构造？我更喜欢使用类似 sapply 或 lapply 的功能。但是，并行库中的结构似乎更加特定于平台。
3. 如果dopar.arg==NULL，上面的代码不起作用，即使the introduction to doParallel says that没有任何参数“你会得到三个工人和类Unix系统 您将获得大约相当于系统内核数量一半的工作人员数量。”

Answer 1

作为future框架的作者，我建议你看看future.apply包，例如

library(future.apply)
userFunc2 <- function(listOfX) {    
  res <- future_sapply(listOfX, .heavyStuff)
  return(res)
}

默认情况是按顺序运行，但如果用户愿意，他们可以使用他们想要的任何并行的未来后端，例如

library(future)
plan(multiprocess)    # parallel on local machine - all cores by default

library(future.batchtools)
plan(batchtools_sge)  # parallel on an SGE compute cluster

library(future)
plan(sequential)      # sequentially

设计模式是您决定什么并行化，而用户如何并行化。