R中的％dopar％无法正常工作

问题描述

我只是开始在R中使用foreach和％dopar％methodes来进行并行处理，但是我得到的结果令人困惑，与for循环不一样;这里是我用来测试这些方法的代码，结果是：

pre $ library $（plyr）;库（doParallel）;库（的foreach）

CS< - makeCluster（2）
registerDoParallel（CS）

sfor_start< - Sys.time（）
s_for = as.numeric（）
for（i in 1：1000）{
s_for [i] = sqrt（i）
}
print（Sys.time（） - sfor_start ）

sdopar_start< - Sys.time（）
sdopar = as.numeric（）
的foreach（K = 1：1000）％dopar％{
sdopar （Sys.time（） - sdopar_start）

结果如下：

 > s_for [1:10]。 sdopar [1:10] 
 [1] 1.000000 1.414214 1.732051 2.000000 2.236068 2.449490 2.645751 2.828427 3.000000 3.162278 
 [1] NA NA NA NA NA NA NA NA NA NA 
  
        阅读功能的文档，然后说，他们不工作。
 $ b 
  foreach 更像一个 lapply 比 for  -loop。
 
 
例如，  foreach（k = 1：1000）％dopar％sqrt（k）给出与 lapply（1：1000，sqrt） 
 
 
然而，当使用 foreach  顺序即可。然而，在使用并行性时，向量 sdopar 会被复制到每个集群，以便修改副本，而不是初始对象。
 
 
 
因此，您必须按照@ChiPak提供的 .combine = c 或使用 do.call PS：始终初始化迭代填充的向量（为了不增长向量的效率），例如像这： s_for<  -  double（1000）。
 
I just start to use the foreach and %dopar% methodes for parallel processing in R , but the results I'm getting are confusing and not the same as a for loop; here is the code I used to test those methodes and resultes I'm getting:  
library(plyr); library(doParallel); library(foreach)

cs <- makeCluster(2)
registerDoParallel(cs)

sfor_start <- Sys.time()
s_for=as.numeric()
for (i in 1:1000) {
  s_for[i] = sqrt(i)
}
print(Sys.time() - sfor_start)

sdopar_start <- Sys.time()
sdopar=as.numeric()
foreach(k=1:1000) %dopar% {
  sdopar[k] = sqrt(k)
}
print(Sys.time() - sdopar_start)
And here the results:
> s_for[1:10]; sdopar[1:10]
 [1] 1.000000 1.414214 1.732051 2.000000 2.236068 2.449490 2.645751 2.828427 3.000000 3.162278
 [1] NA NA NA NA NA NA NA NA NA NA
Thanks in advance :) 
 解决方案 
Please read the documentation of functions before saying that they don't work.
foreach works more like a lapply than a for-loop.
So, for example, foreach(k=1:1000) %dopar% sqrt(k) gives the same result as lapply(1:1000, sqrt).
Yet, it is true that you can modify global variable when using foreach SEQUENTIALLY. Yet, when using parallelism, the vector sdopar is copied to each "cluster" so that you modify a copy, not the initial object.
So, you'll have to do as mentioned by @ChiPak with option .combine = c or using do.call(sdopar, c) afterwards.
PS: Always initialize the vector you fill iteratively (for efficiency of not growing a vector), for example like this: s_for <- double(1000).
                        
这篇关于R中的％dopar％无法正常工作的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！