【问题标题】：Parallel processing in shiny app闪亮应用程序中的并行处理
【发布时间】：2018-03-28 03:41:18
【问题描述】：

我有一个闪亮的应用程序，它可以生成带有美国各县具体特征信息的绘图地图。该应用程序运行良好，但每次我打电话时都需要 40 秒才能创建地图。我使用带有 if 和 else if 的反应式表达式 (rt2) 来进行预处理有没有办法进行某种并行处理或类似的处理以节省时间？

数据集示例

County_ID County_Name        EQI    air_EQI  water_EQI   land_EQI sociod_EQI
      <int>       <chr>      <dbl>      <dbl>      <dbl>      <dbl>      <dbl>
1      1001 Autauga, AL  0.0041379  0.9553846 -1.1097280 -0.7065906  0.6704357
2      1003 Baldwin, AL  0.2002343  0.7179643 -0.5659107 -1.0842990  0.5530728
3      1005 Barbour, AL -0.9506388  0.1310074 -0.9780902 -1.2814700 -1.2362940
4      1007    Bibb, AL -1.0889200  0.0652890 -0.9681726 -0.8274103 -0.6000178
5      1009  Blount, AL -0.5139221  0.4021944 -0.7186447 -0.6229339  0.2965088
6      1011 Bullock, AL -2.0828290 -0.3091858 -1.4513350 -1.2580140 -1.8239700

ui.r

library(plotly)
library(shiny)
library(tidyr)
library(maps)
library(shinydashboard)
library(viridis)
library(ggplot2)

ui <- navbarPage(
  title="Computational Modelling and Investigation of Neuropsychiatric Disease (MIND)",
  tabPanel("Home Tab",
           sidebarLayout(
             sidebarPanel(

               uiOutput("selectcol11"),
               uiOutput("selectsol11")
             ),
             mainPanel(plotlyOutput("plot2")))))

server.r

    server <- function(input, output) {

output$selectcol11<-renderUI({
        selectInput("selectcol11","Select Measure",choices = c("EQI","air_EQI","water_EQI",  
                                                                     "land_EQI","sociod_EQI","built_EQI","good_days","bad_days" ),selected = "EQI")
      })
 output$selectsol11<- renderUI({
            sliderInput("selectsol11", "Select Resolution",
                        min = 2, max = 7, value = 5,step =1)})


            rt2 <- reactive({
                if(input$selectcol11== "EQI"){
                foo <- cbind(data.frame(do.call('rbind', strsplit(as.character(df$County_Name),',',fixed=TRUE))),df[,c(1,3:10)])
                colnames(foo)[1] <- "County"
                colnames(foo)[2] <- "State"

                foo1 <- map_data("county")

                eqi1 <- foo %>%
                  group_by(County) %>%
                  summarise(EQI = sum(EQI))
                eqi10 <- foo %>%
                  group_by(County) %>%
                  summarise(County_ID = sum(County_ID))
                eqi<- cbind(eqi1,eqi10[,2])
                eqi$County <- tolower(eqi$County) # matching string
                foo1_eqi <- merge(foo1, eqi, by.x = "subregion", by.y = "County")
                foo1_eqi
                final.plot1<-foo1_eqi[order(foo1_eqi$order), ]
                final.plot1$County_Name_ID <- with(final.plot1, paste("County:",subregion, '<br>', "County_ID:", County_ID ))
                final.plot1
                }
                else if(input$selectcol11== "air_EQI"){
                  foo <- cbind(data.frame(do.call('rbind', strsplit(as.character(df$County_Name),',',fixed=TRUE))),df[,c(1,3:10)])
                  colnames(foo)[1] <- "County"
                  colnames(foo)[2] <- "State"

                  foo1 <- map_data("county")

                  eqi1 <- foo %>%
                    group_by(County) %>%
                    summarise(air_EQI = sum(air_EQI))
                  eqi10 <- foo %>%
                    group_by(County) %>%
                    summarise(County_ID = sum(County_ID))
                  eqi<- cbind(eqi1,eqi10[,2])
                  eqi$County <- tolower(eqi$County) # matching string
                  foo1_eqi <- merge(foo1, eqi, by.x = "subregion", by.y = "County")
                  foo1_eqi
                  final.plot1<-foo1_eqi[order(foo1_eqi$order), ]
                  final.plot1$County_Name_ID <- with(final.plot1, paste("County:",subregion, '<br>', "County_ID:", County_ID ))
                  final.plot1
                }
            })

            output$plot2 <- renderPlotly ({
                p<-  ggplot(rt2(), aes(x = long, y = lat, group=group,text=County_Name_ID,fill = cut_number(rt2()[,7],input$selectsol11)))
                p<- p+  geom_polygon(colour=alpha("black", 1/2))
                p<- p+coord_equal() 
                p<- p+  viridis::scale_fill_viridis(discrete = TRUE)
                p<- p+ scale_fill_discrete("Measure Density")
                ggplotly(p, tooltip = c("County_Name_ID"))
              })
            }

【问题讨论】：

我试图用你的示例数据集复制一个更大的数据集，但这并不容易。在我的环境中它非常快，但是没有出现一些图，并且 fill = cut_number(rt2()[,7],input$selectsol11) 被删除，因为它产生了错误。此外，有些事情很奇怪，例如：为什么您的sliderInput 中有您的server 并且具有相同的ID？
该示例仅适用于我无法提供的特定数据集。我的服务器中有滑块，因为我想要它的 uioutput。这个作品不用担心。我只是想知道如何让它更快地工作
您应该提供一个可重现的最小示例，而不仅仅是复制和粘贴您的所有代码。

标签： r ggplot2 parallel-processing shiny plotly

【解决方案1】：

由于我无法重现该示例，因此我无法知道您的应用程序需要什么时间。因此，我建议您在运行应用程序时进行一些分析：Rstudio 中有一个直接可用的工具-

->“开始分析”然后运行你的应用程序

-> 应用加载后“停止分析”。

从中，您将能够看到花费最多时间（或内存）的部分是什么。根据您所展示的内容，我建议 foo1 <- map_data("county") 应该花费最多的计算时间。因此，如果是这种情况，您应该了解如何加速此功能或找到另一个功能。对于map_data()，我认为与实现并行处理无关。

【讨论】：