如何使用 R 未来包在集群内进行并行计算？

Question

我想在集群的节点（多台机器）内分配作业（带有for 循环）。我尝试使用 R 包future 来做到这一点。我不知道这是否是最好的方法；我尝试使用doParallel 包的foreach，但没有成功。如何判断循环迭代次数何时大于集群节点数？

library(doParallel);
library(doFuture);
#library(future);

registerDoFuture();

workers <- c(rep("129.20.25.61",1), rep("129.20.25.217",1));
cl <- makeClusterPSOCK(workers, revtunnel = TRUE, outfile = "", verbose = FALSE);

plan(cluster, workers = cl)

mu <- 1.0
sigma <- 2.0

for(i in 1:3){
 res %<-%{ rnorm(i, mean = mu, sd = sigma)}
 print(i);
}

Answer 1

如果你使用普通的Future API，即future()+value()或%<-%，则不需要涉及foreach，doFuture等。这里是如何单独使用Future API以及你可以输出什么期望：

(A) 设置工人

library("future")

workers <- c("129.20.25.61", "129.20.25.217")
cl <- makeClusterPSOCK(workers, revtunnel = TRUE, outfile = "")
### starting worker pid=20026 on localhost:11900 at 11:47:28.334
### starting worker pid=12291 on localhost:11901 at 11:47:37.172

print(cl)
### socket cluster with 2 nodes on hosts '129.20.25.61', '129.20.25.217'

plan(cluster, workers = cl)

(B) 显式未来 API

这里我们使用future() 显式创建期货列表，并使用values() 检索它们的值（基本上等于调用lapply(f, FUN = value)）。

mu <- 1.0
sigma <- 2.0

f <- list()
for (i in 1:3) {
  f[[i]] <- future({ rnorm(i, mean = mu, sd = sigma) })
}
v <- values(f)
str(v)
### List of 3
###  $ : num 3.25
###  $ : num [1:2] 3.24 3.29
###  $ : num [1:3] 1.251 2.299 0.923

(C) 隐式未来 API

在这个替代方案中，我们使用未来赋值运算符 %<-% 隐式创建期货（当您尝试访问未来的值时，它将在内部执行 future() 和 value()）。由于%<-% 只能分配给环境（而不是列表、data.frames 等），我们需要使用作为环境的容器。这里我使用了 listenv 类，它是一个环境，但允许您将其作为列表进行索引。

library("listenv")  ## listenv()
mu <- 1.0
sigma <- 2.0

v <- listenv()
for (i in 1:3) {
  v[[i]] %<-% { rnorm(i, mean = mu, sd = sigma) }
}
v <- as.list(v)
str(v)
### List of 3
###  $ : num 1.15
###  $ : num [1:2] 2.2277 -0.0164
###  $ : num [1:3] -2.09 3.34 -1.09

(D) 使用future_lapply()

如果您更喜欢lapply()-like 方法，您可以这样做：

v <- future_lapply(1:3, FUN = function(i) {
  rnorm(i, mean = mu, sd = sigma)
})
str(v)
### List of 3
###  $ : num 2.12
###  $ : num [1:2] 2.56 -1.21
###  $ : num [1:3] 2.89 -0.159 -0.983

(D) 使用foreach()

如果您想使用foreach()，那么您可以执行以下操作。请注意，在每个 foreach 设计中使用 foreach() 时，最好始终显式导出全局变量 - 但是，如果您始终使用 doFuture，则实际上不需要。

library("doFuture")
registerDoFuture()
workers <- c("129.20.25.61", "129.20.25.217")
cl <- makeClusterPSOCK(workers, revtunnel = TRUE, outfile = "")
plan(cluster, workers = cl)

v <- foreach(i = 1:3, .export = c("mu", "sigma")) %dopar% {
  rnorm(i, mean = mu, sd = sigma)
}
str(v)
### List of 3
###  $ : num 3.12
###  $ : num [1:2] -0.0887 -2.8016
###  $ : num [1:3] 2.15 3.5 -2.24

如何确定循环迭代次数何时更高 超过集群节点数？

我不确定你在这里问什么。您是否担心在有工人的情况下同时运行更多的期货？如果是这样，那将自动得到处理。如果所有工作人员都被占用，那么额外期货的创建将被阻止，直到其中一名工作人员再次可用。