R 并行计算parallel 和foreach

参考：https://zhuanlan.zhihu.com/p/24547984
https://blog.csdn.net/sinat_26917383/article/details/53349557

• 要传递一个变量，您将必须使用lapply或sapply类似的并行版本。但是，要传递许多变量，必须使用mapply或的并行版本Map。那会是clusterMap

1.并行计算--单变量x

函数

fun <- function(x){
return (x+1);
}

1.parallel包

library(parallel)
#detectCores函数可以告诉你你的CPU可使用的核数
detectCores() 

r$> mc <- getOption("mc.cores", 3)                                                       
r$> system.time({ 
        res <- mclapply(1:10000, fun, mc.cores = mc); 
    });                                                                                                         
用户  系统  流逝 
0.002 0.057 0.069

2.foreach包

#加载foreach,doParallel
library(foreach)
library(doParallel)

#下面这行代码相当于sapply
cl <- makeCluster(3)
registerDoParallel(cl)

system.time({x <- foreach(x=1:10000,.combine='rbind') %dopar% fun(x);})
stopCluster(cl)

 用户  系统  流逝 
2.136 0.159 2.361 

2.多变量并行：x,y,z

fun2 <-function(x,y,z) {
    x+y+z
}

1.clusterMap

fun2 <-function(x,y,z) {
    x+y+z
}


# cluster <- makeCluster(detectCores())
cluster <- makeCluster(3)
clusterEvalQ(cluster, library(xts))
system.time({result <- clusterMap(cluster, fun2, x=1:1000, y=c(1:1000),z=5);})
df <- do.call('rbind', result)

用户  系统  流逝 
0.173 0.045 0.725

2.foreach

library(doParallel)

cl <- makeCluster(3)
registerDoParallel(cl)

system.time({r <-foreach(x=1:1000, y=c(1:1000),z=rep(5, 1000),.combine='rbind') %dopar% {
  x+y+z
};})
stopCluster(cl)

用户  系统  流逝 
0.245 0.014 0.281