并行计算：每个线程只加载一次包

Question

我目前正在处理一些大型数据集，因此并行化工作流程是唯一的出路。

我需要在开始时为每个线程加载一次包（即：for(this.thread in threads) { #load some packages }.

不幸的是，我不知道该怎么做。

以下代码进一步说明了我的问题，我试图在 %dopar% 中使用来自 magrittr 的管道运算符：

。

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


# Generate some random data and function :
# -----------------------------------------

randomData = runif(10^3)
randomFunction = function(x) {x * (2^x) } 

randomData[1] %>% randomFunction #Works



# And now ... The parallel part :
# --------------------------------

myCluster = makeCluster(6)
registerDoParallel(myCluster)


# Test that the do par is up and running: 
foreach(i = randomData) %dopar% { i }


# Use magrittr pipe operator: 
# Error in { : task 1 failed - "could not find function "%>%""
foreach(i = randomData) %dopar% { i %>% randomFunction }


# Load the library at each loop: (ie: length(data) times !)
# Other than unnecessarily loading the library (length(data) - numberOfThreads) times, 
# it works nicely
foreach(i = randomData) %dopar% { library(magrittr);  i %>% randomFunction }


# Now try without re-loading: 
# Tararaa - (ie: Works nicely)
foreach(i = randomData) %dopar% { i %>% randomFunction }

。

有什么想法吗？

Answer 1

doParallel 包从 parallel 继承了一些方便的低级函数，包括 clusterCall，它在每个节点上执行一次函数。

我遇到了完全相同的问题并通过以下方式解决了它：

library(doParallel)
myCluster = makeCluster(6)
registerDoParallel(myCluster)
clusterCall(myCluster, function() library(magrittr))

您也可以使用参数 .packages:

foreach(i = 1:5, .packages = "magrittr") %dopar% {i %>% runif}

Answer 2

你可以试试这个：

foreach(i = randomData,.packages=c("magrittr")) %dopar% {
  i %>% randomFunction
}

并行计算：每个线程只加载一次包

Parallel computation: Loading packages in each thread only once

parallel-processing

r

doparallel