如何在我自己的包中使用 data.table::setDTthreads()？答案

【问题标题】：How to use data.table::setDTthreads() in my own package?如何在我自己的包中使用 data.table::setDTthreads()？
【发布时间】：2021-09-09 12:55:27
【问题描述】：

我是第一次开发非常小的软件包（而且 - 也许这对我的问题很重要 - 想在 CRAN 上发布它）。这个包使用 data.table 和 base R 中的函数。我想利用 data.table::setDTthreads() 函数提供的并行计算。

当用户加载 data.table 包时，此函数会立即调用，但我在开发包时没有这样做。我现在所做的只是：（1）在DESCRIPTION文件中，我将data.table添加到Imports字段； (2) 在 NAMESPACE 中，我包含了 import(data.table)。

据我所知，这与 library(data.table) 不同，我不希望这样，因为我不想在用户加载我的包时加载 data.table。但我仍然想使用 data.table::setDTthreads() 函数。我应该在我的脚本中哪里包含它？或者也许我正在使用它，因为我在 NAMESPACE 中包含了 import(data.table)？

我的包在 R/ 目录中只包含一个 .R 文件，功能很少，但只有一个会被导出以对用户可见（所以其他的只是辅助函数）。比方说，它看起来像这样：

#' roxygen2 skeleton
main_function <- function(x) {
 x <- helper_function_1(x)
 x
}

helper_function_1 <- function(x) {
 x
}

我真正担心的是，当我在我的包中使用 data.table::setDTthreads() 时，它会对用户的环境产生影响，即我将启用并行计算并设置线程，而不仅仅是我的函数包，但通常用于用户会话。

【问题讨论】：

标签： r data.table r-package

【解决方案1】：

非常好的问题。是的，它会影响用户环境中的所有 data.table 调用（包括来自其他包的调用），而不仅仅是来自您的包的调用。一般的建议是不要在你的包中设置这个值，但让用户知道他们可以自己设置它。如果你想在你的包中设置它，你应该很好地记录它。请注意，50% 与 100% 的差异通常非常小（可能小于 5%，甚至在共享环境中变慢）所以我建议您衡量如果收益很小，是否真的值得弄乱用户环境. 例如检查这些时间 https://github.com/h2oai/db-benchmark/issues/202

您还可以填写功能请求，以便为来自单个包的调用设置线程数。通过检查调用的顶级环境在技术上是可行的。

【讨论】：

谢谢。我会选择让用户知道这种可能性。