dopar foreach（运行并行 for 循环）

Question

这个问题与在多核上运行 for 循环特别相关。我正在尝试学习如何使用并行内核运行代码。实际代码有些复杂，所以我在这里重新创建一个非常基本且经过稀释的代码。请注意，此示例仅用于说明目的，并非实际代码。

library(parallel)
library(foreach)
library(doParallel)

#Creating a mock dataframe
Event_ID = c(1,1,1,1,1,2,2,2,2,2,3,3,3,3)
Type=c("A","B","C","D","E","A","B","C","D","E","A","B","C","D")
Revenue1=c(24,9,51,7,22,15,86,66,0,57,44,93,34,37)
Revenue2=c(16,93,96,44,67,73,12,65,81,22,39,94,41,30)
z = data.frame(Event_ID,Type,Revenue1,Revenue2)
#replicates z 5000 times
n =5000
zz=do.call("rbind", replicate(n, z, simplify = FALSE))
zz$Revenue3 = 0

#################################################################
#   **foreach, dopar failed attempt**
#################################################################
cl=parallel::makeCluster(14,type="PSOCK") #I have 8 core 16 threads but use 14 here. Please edit this accordingly.
registerDoParallel(cl)
home1 = function(zz1){
  foreach(i=1:nrow(zz1), .combine = rbind) %dopar% {
    zz1[i,'Revenue3'] = sqrt(zz1[i,'Revenue1'])+(zz1[i,'Revenue2'])
  }
  return(zz1)
}

zzz = home1(zz1=zz)
stopCluster(cl) 

#################################################################
#Non parallel implementation
#################################################################
home2 = function(zz2){
  zz3=zz2
  for (i in 1:nrow(zz3)){
    zz3[i,'Revenue3'] = sqrt(zz3[i,'Revenue1'])+(zz3[i,'Revenue2'])
  }
  return(zz3)
}
zzzz=home2(zz2=zz)

我创建了一个数据框并尝试使用 foreach 和 dopar，但它似乎不起作用。接下来我提供代码的非并行版本的实现。但是，并行版本对我不起作用。我得到的输出 df 与输入矩阵相同。我意识到我可能犯了一个基本错误，但我没有足够的经验来弄清楚到底是什么错误。任何帮助将不胜感激。

附：我确实意识到我的非并行版本不是最佳的，可以改进，但这只是一个例子。

Answer 1

首先请注意，在覆盖现有 data.frames 中的值时，使用 parallel、doParallel 或 foreach 包并行运行有些限制。当通过这个包执行并行化时，正在启动一个并行运行的 R 会话，一个工作程序，它执行计算，返回以某种方便的形式执行的任何结果。这意味着这些工作会话不包含原始会话中的任何对象，除非提供（使用 .export 或作为函数参数）。 future、promises 和 ipc 包可以允许异步处理，同时修改原始会话中的变量，但会降低一些简单性。

请注意，由于每个会话将使用单独的核心，因此使用比核心更多的会话会降低整体性能。

至于实现本身，您希望如何处理并行化取决于您的计算需要什么以及您想要返回哪种格式。如果你想执行简单的逐行计算，你可以使用类似的东西：

library(iterators)
cl=parallel::makeCluster(4) #I have 8 core 16 threads but use 14 here. Please edit this accordingly.
registerDoParallel(cl)
stopCluster(cl)
home1 <- function(zz1){
  output <- foreach(x = iter(zz1, by = "row"), .combine = rbind) %dopar% {
    x[["Revenue3"]] <- sqrt(x[["Revenue1"]]) + x[["Revenue2"]]
    x
  }
  output
}
zzz <- home1(zz1=zz)
stopCluster(cl)

请注意，我在这里使用了迭代器结构，它可用于有效地迭代行/列。如果这是您正在寻找的计算类型，我建议采用矢量化方法，因为这将大大提高性能。

zz[["Revenue3"]] <- sqrt(zz[["Revenue2"]) + zz[["Revenue1"]]

后者在我的小型 4 核笔记本电脑上大约快 13000 倍。