是否有可能获得带有 foreach 和“多核类型”后端的进度条

Question

在使用foreach 和doMC 后端使用“多核”并行性时（我在查看它时使用 doMC，其他包不允许从我想获取进度条进行日志记录，使用progress 包，但任何进展（适用于 linux 终端，即没有 tcltk 弹出窗口）都可以。

鉴于它使用分叉，我可以想象这可能是不可能的，但我不确定。

预期用途是在我并行加载连接的 100 个文件时指示进度（通常在 #!Rscript 内）

我看过How do you create a progress bar when using the “foreach()” function in R? 之类的几个帖子。很高兴为此提供赏金。

编辑

500 分赏金提供给有人教我如何

1. 使用 foreach 和多核（分叉）类型的并行性
2. 获取进度条
3. 使用 futile.logger 获取日志记录

Reprex

# load packages                                                                                                        
library("futile.logger")                                                                                               
library("data.table")                                                                                                  
library("foreach")                                                                                                     
# create temp dir                                                                                                      
tmp_dir <- tempdir()                                                                                                   
# create names for 200 files to be created                                                                             
nb_files <- 200L                                                                                                       
file_names <- file.path(tmp_dir, sprintf("file_%s.txt", 1:nb_files))                                                   
# make it reproducible                                                                                                 
set.seed(1L)                                                                                                           
nb_rows <- 1000L                                                                                                       
nb_columns <- 10L                                                                                                      
# create those 200 files sequentially                                                                                  
foreach(file_i = file_names) %do%                                                                                      
{                                                                                                                      
    DT <- as.data.table(matrix(data = runif(n = nb_rows * nb_columns), nrow = nb_rows))                                
    fwrite(x = DT, file = file_i)                                                                                      
    flog.info("Creating file %s", file_i)                                                                              
} -> tmp                                                                                                               

# Load back the files                                                                                                  
foreach(file_i = file_names, .final = rbindlist) %dopar%                                                               
{                                                                                                                      
    flog.info("Loading file %s", file_i)                                                                               
    # >>> SOME PROGRESS BAR HERE <<<                                                                                   
    fread(file_i)                                                                                                      
} -> final_data                                                                                                        
# show data                                                                                                            
final_data                                                                                                             

期望的输出

请注意，进度条没有与打印行混淆）

INFO [2018-07-18 19:03:48] Loading file /tmp/RtmpB13Tko/file_197.txt
INFO [2018-07-18 19:03:48] Loading file /tmp/RtmpB13Tko/file_198.txt
INFO [2018-07-18 19:03:48] Loading file /tmp/RtmpB13Tko/file_199.txt
INFO [2018-07-18 19:03:48] Loading file /tmp/RtmpB13Tko/file_200.txt
[ =======>                          ] 4% 

编辑 2

在赏金结束后，没有什么能接近预期的结果。

在进度条中记录会使一切变得混乱。 如果有人得到正确的结果，我将给予另一个基于结果的赏金。

Answer 1

这是一个使用自定义函数的解决方案（不完美）。

此函数输出到控制台（使用message）进度条。

• ii 是当前迭代。
• N 是要执行的迭代总数。
• per 是更新进度条的步骤（百分比）。我们需要这个，因为当执行多次迭代时，进度条更新得太频繁并且输出混乱了。

功能：

progBar <- function(ii, N, per = 10) {
    if (ii %in% seq(1, N, per)) {
        x <- round(ii * 100 / N)
        message("[ ", 
                paste(rep("=", x), collapse = ""),
                paste(rep("-", 100 - x), collapse = ""), 
                " ] ", x, "%", "\r",
                appendLF = FALSE)
        if (ii == N) cat("\r")
    }
}

要测试的代码：

library(doMC)
library(foreach)
registerDoMC(10)

nIteration <- 1e3
foreach(i = 1:nIteration, ii = icount()) %dopar% {
    # For progBar ii I'm using icount(), because
    # user might iterate over all kind of objects
    progBar(ii, nIteration)
    Sys.sleep(1 / 10)
}

PS：它并不完美，因为：

• Bar 并不总是运行到 100%（取决于它可以在 99% 停止的迭代次数）
• 有时输出会混乱（取决于迭代次数和切换频率） - 仍在调试这部分
• 如果您在foreach 中使用print/cat，则不会刷新控制台

Answer 2

您可以参考此链接Progress bar parallel 了解一些有助于创建平行进度条的见解（可能不是确切的解决方案）。

txtProgressBar 仅在 stype 为 2 或 3 时有效

library("foreach")
library("doParallel")
library("progress")

registerDoParallel(parallel::makeCluster(7, outfile = ""))

pb <- progress_bar$new(
            format = " [:bar] :percent in :elapsed",
            total = 30, clear = FALSE, width = 80, force = T)
a <- foreach (i  = 1:30) %dopar% {
    pb$tick()
    Sys.sleep(0.5)
}


pb <- txtProgressBar(title = "Iterative training", min = 0, max = 30, style = 3)

foreach (i  = 1:30) %dopar% {
    setTxtProgressBar(pb, i)
    Sys.sleep(0.5)
}

请参考此链接Monitoring the function with progress bar，了解根据需要实现进度条的不同方式。

使用多核： 您可以稍后注册不同的并行后端，或者通过调用 registerDoSEQ 函数注册顺序后端来取消注册 doMC。例如考虑以下程序

> x <- iris[which(iris[,5] != "setosa"), c(1,5)]
> trials <- 10000
> ptime <- system.time({
+ r <- foreach(icount(trials), .combine=cbind) %dopar% {
+ ind <- sample(100, 100, replace=TRUE)
+ result1 <- glm(x[ind,2]~x[ind,1], family=binomial(logit))
+ coefficients(result1)
+ }
+ })[3]
> ptime

Answer 3

我使用的用于处理列表的并行包是pbmcapply，希望对您有所帮助。