如何使用 R future 包在集群内进行并行计算？

Question

我想for在集群的节点（几台机器）内分配作业（带有循环）。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foreach该doParallel包，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

如果您使用普通的 Future API，即future()+value()或%<-%，则无需涉及 foreach、doFuture 等。以下是如何单独使用 Future API 以及您可以期望的输出：

(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 Future API

在这里，我们显式使用创建一个 futures 列表，并使用（基本上等于调用）future()检索它们的值。values()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 Future API

在这种替代方案中，我们使用 future 赋值运算符隐式创建 futures %<-%（这在内部会执行future()，然后value()当您尝试访问 future 的值时）。由于%<-%只能分配给环境（而不是列表、data.frames 等），因此我们需要使用一个作为环境的容器。这里我使用listenv类，它是一个环境，但允许您将其索引为列表。

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

(四) 使用future_lapply()

如果您更喜欢lapply()类似的方法，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

(四) 使用foreach()

如果您想使用foreach()，那么您可以执行以下操作。foreach()请注意，在使用foreach 的每个设计时，最好始终显式导出全局变量- 但是，如果您始终使用doFuture它实际上是不需要的。

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

如何判断循环迭代次数何时高于集群节点数？

我不确定你在这里问什么。您是否担心同时运行的 future 数量多于您的工人数量？如果是这样，则会自动处理。如果所有工人都被占用，那么额外的 future 的创建将被阻止，直到其中一名工人再次可用为止。