我正在处理一个大型数据集,我用它来进行某些计算。由于它是一个巨大的数据集,我正在使用的机器做这项工作的时间过长,因此我决定使用 future 包来在多台机器之间分配工作并加快计算速度。 所以,我的问题是,在未来(使用 putty 和 ssh)我可以连接到那些机器(并行),但工作本身是主要的,没有任何分配。也许你可以建议一些解决方案:
- 如何让它在所有机器上工作;
- 另外,如何检查进程是否正常工作(我的意思是某些功能或任何有助于验证这些功能的功能,如果它存在的话)。
我的代码:
library(future)
workers <- c("000.000.0.000", "111.111.1.111")
plan(remote, envir = parent.frame(), workers= workers, myip = "222.222.2.22")
start <- proc.time()
cl <- makeClusterPSOCK(
c("000.000.0.000", "111.111.1.111"), user = "...",
rshcmd = c("plink", "-ssh", "-pw", "..."),
rshopts = c("-i", "V:\\vbulavina\\privatekey.ppk"),
homogeneous = FALSE))
setwd("V:/vbulavina/r/inversion")
a <- source("fun.r")
f <- future({source("pasos.r")})
l <- future({source("pasos2.R")})
time_elapsed_parallel <- proc.time() - start
time_elapsed_parallel
f 和 l 对象应该是并行完成的,但是主机器正在做所有的工作,所以如果我能做些什么我有点困惑。
PS:我尝试了 plan()
和 remote, multiprocess, multisession, cluster
但没有。
PS2:我的本地机器是 Windows 并尝试连接到 Kubuntu 和 Debian(所有这些都关闭了防火墙)。
提前致谢。
最佳答案
作者 future这里。首先,确保您可以设置 PSOCK 集群,即通过 SSH 连接到两个 worker 并在它们上运行 Rscript。你这样做:
library(future)
workers <- c("000.000.0.000", "111.111.1.111")
cl <- makeClusterPSOCK(workers, user = "...",
rshcmd = c("plink", "-ssh", "-pw", "..."),
rshopts = c("-i", "V:/vbulavina/privatekey.ppk"),
homogeneous = FALSE)
print(cl)
### socket cluster with 2 nodes on hosts '000.000.0.000', '111.111.1.111'
(如果上述 makeClusterPSOCK()
停止或不起作用,请添加参数 verbose = TRUE
以获取更多信息 - 请随时在此处报告。)
接下来,设置 PSOCK 集群后,告诉 future 的系统并行处理这两个 worker:
plan(cluster, workers = cl)
测试 futures 实际上是 resolved remotes,例如
f <- future(Sys.info()[["nodename"]])
print(value(f))
### [1] "000.000.0.000"
我暂时保留剩余的部分,它也需要调整 - 让我们确保首先让 worker 启动并运行。
继续,在并行处理中使用 source()
会使事情变得复杂,尤其是在不同机器上完成并行化时。例如,在另一台机器上调用 source("my_file.R")
要求文件 my_file.R
在该机器上也可用。即使是这样,当涉及到需要导出到外部机器的变量的自动识别时,它也会使事情复杂化。一种更安全的方法是将所有代码合并到主脚本中。说了这么多,你可以尝试替换:
f <- future({source("pasos.r")})
l <- future({source("pasos2.R")})
与
futureSource <- function(file, envir = parent.frame(), ...) {
expr <- parse(file)
future(expr, substitute = FALSE, envir = envir, ...)
}
f <- futureSource("pasos.r")
l <- futureSource("pasos2.R")
只要 pasos.r
和 pasos2.R
不在内部调用 source()
,这个 c/应该可以工作。
顺便问一下,您使用的是什么版本的 Windows?因为使用最新的 Windows 10,您已经内置了对 SSH 的支持,您不再需要使用 PuTTY。
更新 2018-07-31:继续回答有关在 future 中使用 source()
的问题。
关于r - future 的解决方案,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51513093/