R语言如何通过parallel包实现多线程运行方式

这篇文章将为大家详细讲解有关R语言如何通过parallel包实现多线程运行方式，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

什么是R语言

R语言是用于统计分析、绘图的语言和操作环境，属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

总的来说，R的运算速度不算快，不过类似并行运算之类的改进可以提高运算的性能。下面非常简要地介绍如何利用R语言进行并行运算

library(parallel)cl.cores <- detectCores()cl <- makeCluster(cl.cores)

detectCores( )检查当前电脑可用核数。

makeCluster(cl.cores)使用刚才检测的核并行运算。R-Doc里这样描述makeCluster函数：Creates a set of copies of R running in parallel and communicating over sockets. 即同时创建数个R进行并行运算。

在该函数执行后就已经开始并行运算了，电脑可能会变卡一点。尤其在执行par开头的函数时。

在并行运算环境下，常用的一些计算方法如下：

1. clusterEvalQ(cl,expr)函数利用创建的cl执行expr

这里利用刚才创建的cl核并行运算expr。expr是执行命令的语句，不过如果命令太长的话，一般写到文件里比较好。比如把想执行的命令放在Rcode.r里：

clusterEvalQ(cl,source(file="Rcode.r"))

2.par开头的apply函数族

这族函数和apply的用法基本一样，不过要多加一个参数cl。一般如果cl创建如上面cl <- makeCluster(cl.cores)的话，这个参数可以直接用作parApply(cl=cl,…)。

当然Apply也可以是Sapply,Lapply等等。注意par后面的第一个字母是要大写的，而一般的apply函数族第一个字母不大写。另外要注意，即使构建了并行运算的核，不使用parApply()函数，而使用apply()函数的话，则仍然没有实现并行运算。

换句话说，makeCluster只是创建了待用的核，而不是并行运算的环境。

最后，终止并行运算只需要一行命令

stopCluster(cl)

案例1

不使用并行计算，直接使用lapply（隐式循环函数，它实际就是对不同的数据应用了相同的函数）：

fun <- function(x){return (x+1);}system.time({res <- lapply(1:5000000, fun);});user  system elapsed21.42    1.74   25.70

案例2

使用parallel包来加速

library(parallel)#打开四核，具体核数根据机器的核数决定cl <- makeCluster(getOption("cl.cores", 4));system.time({res <- parLapply(cl, 1:5000000,  fun)});user system elapsed6.54 0.34 19.95#关闭并行计算stopCluster(cl);

看看单核机器跑出来的结果：

user  system elapsed29.30    9.23   97.22

所以，并非核数越多越好，看机器配置。

这个函数有两点要注意：

首先要先用detectCores函数确定系统核心数目，对于Window系统下的Intel I5或I7 处理器，一般使用detectCores(logical = F)来获得实际的物理核心数量。

由于这个函数使用的是调用Rscript的方式，这个例子里，对象被复制了三份，因此内存会吃的很厉害，在大数据条件就要小心使用。

案例3

在Linux下使用mclapply函数的效果如下：

mc <- getOption("mc.cores", 3)system.time({res <- mclapply(1:5000000, fun, mc.cores = mc);});user system elapsed6.657 0.500 7.181 stopCluster(cl);

补充：R语言如何并行处理[parallel package][向量化操作并行优化]

使用数据，长下面这样：

方法：

使用parallel包，并行向量化处理，进一步提升原先向量化处理速度。

原始代码：

start <- Sys.time()experiment_step1 <- apply(dtc_small_modify, 1, decompose)end <- Sys.time()print(end-start)

原始运行时间：3.083114 分

使用parallel包后

library(parallel) #并行处理包cl.cores <- detectCores(logical = F) #计算电脑核心数cl <- makeCluster(cl.cores) # 初始化要使用的核心数start <- Sys.time()results <- parApply(cl=cl, dtc_small_modify, 1, decompose) # apply的并行版本stopCluster(cl) # 关闭并行模式end <- Sys.time()print(end-start)

并行后

运行时间：55.5877 秒，相较原先，速度提升了将近四倍！

Tips：上述是对向量化（Vectorization）apply类的并行处理。对于apply的并行处理，必须使用par开头的对应apply.

列表如下：

parLapply(cl = NULL, X, fun, …, chunk.size = NULL) parSapply(cl = NULL, X, FUN, …, simplify = TRUE, USE.NAMES = TRUE, chunk.size = NULL) parApply(cl = NULL, X, MARGIN, FUN, …, chunk.size = NULL) parRapply(cl = NULL, x, FUN, …, chunk.size = NULL) parCapply(cl = NULL, x, FUN, …, chunk.size = NULL) parLapplyLB(cl = NULL, X, fun, …, chunk.size = NULL) parSapplyLB(cl = NULL, X, FUN, …, simplify = TRUE, USE.NAMES = TRUE, chunk.size = NULL)

使用apply类向量化操作后，常常产生大规模列表，可能需要将列表转成一个完整的大数据框。

关于“R语言如何通过parallel包实现多线程运行方式”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，使各位可以学到更多知识，如果觉得文章不错，请把它分享出去让更多的人看到。