R语言的并行运算(CPU多核)

通常R语言运行都是在CPU单个核上的单线程程序。有时我们会有需求对一个向量里的元素应用相同的函数，最终再将结果合并，并行计算可以大幅节约时间。

为了支持R的并行运算, parallel包已经被纳入了R的BASE库中，可以被直接调用，来实现在同一个CPU上利用多个核Core同时运算相同的函数。

 

版本一、Window版本的R程序

对比普通的LAPPLY函数和Parallel包下的多核makeCluster + parLapply函数效率

library(parallel)

fun <- function(x){

return (x+1);

}

funcTwoPara<-function(x,a){

    return (x+a);

}

 

#单核的普通LAPPLY函数

system.time({

res <- lapply(1:5000000, fun);

});

# 用户  系统  流逝

# 20.91  0.03 21.35

# 超过一个参数的 Function模型

x=c(1:500)

system.time({

res <- lapply(x,funcTwoPara,a=1);

});

 

#多核的 MakeCluster 函数，这里利用了本机CPU的2个物理核心同时跑程序

detectCores()   # 4 core

detectCores(logical = F)  # 2 core 物理核心

cl <- makeCluster(getOption("cl.cores", 4));

system.time({

res <- parLapply(cl, 1:10000000,  fun)

});

stopCluster(cl);

 

版本二、Linux版本的R程序

 

library(parallel)

fun <- function(x){

return (x+1);

}

# 单核计算

system.time({

res <- lapply(1:5000000, fun);

});

 

# 多核并行计算

detectCores(logical = F)  # 8

mc <- getOption("mc.cores", 8)

system.time({

res <- mclapply(1:5000000, fun, mc.cores = mc);

});

stopCluster(mc);

 

# 8核的 结果

user  system elapsed

  7.175   1.187   3.416

# 4核的结果

user  system elapsed

 13.415   1.443   8.946

# 2核的结果

user  system elapsed

 16.882   1.726   8.139

# 单核 计算 结果

 user  system elapsed

 16.760   0.039  16.807

 

Reference：

http://blog.sina.com.cn/s/blog_6f194ed30101blpu.html

http://blog.itpub.net/24229571/viewspace-1120592/