r - 优化 R 中的嵌套 foreach dopar

Question

我想了解以下代码的结构。想知道是否需要以不同的方式组织才能更快地执行。具体来说，我是否需要在嵌套循环中以不同的方式使用 foreach 和 dopar 。目前，内部循环是大部分工作(ddply 具有 1-8 个分割变量，每个变量有 10-200 个级别)，这就是我并行运行的内容。为了简单起见，我省略了代码详细信息。

有什么想法吗？我的代码(如下所示)确实可以工作，但在 6 核、41GB 机器上需要几个小时。数据集不是那么大(< 20k 条记录)。

for(m in 1:length(Predictors)){  # has up to three elements in the vector

  # construct the dataframe based on the specified predictor
  # subset the original dataframe based on the breakdown variables, outcome, predictor and covariates

  for(l in 1:nrow(pairwisematrixReduced)){  # this has 1-6 rows;subset based on correct comparison groups

    # some code here

    cl <- makeCluster(detectCores())  
    registerDoParallel(cl) 

    for (i in 1:nrow(subsetting_table)){  # this table has about 50 rows

      # this uses the columns specified by k in the glm; the prior columns will be used as breakdown variables
      # up to 10 covariates
      result[[length(result) + 1]] <- foreach(k = 11:17, .packages=c('plyr','reshape2', 'fastmatch')) %dopar% {   

        ddply( 
          df,
          b,   # vector of breakdown variables
          function(x) { 

           # run a GLM and manipulate the output

          ,.parallel = TRUE) # close ddply
      } # close k loop -- set of covariates
    } # close i loop -- subsetting table
  } #close l -- group combinations
} # close m loop - this is the pairwise predictor matrix 

stopCluster(cl)
result <- unlist(result, recursive = FALSE)
tmp2<-do.call(rbind.fill, result)

Answer 1

复制自vignette("nested")

3 Using %:% with %dopar%

When parallelizing nested for loops, there is always a question of which loop to parallelize. The standard advice is...

您还使用了 foreach %dopar% 以及 ddply 和 .parallel=TRUE。使用六核处理器(可能还有超线程)意味着 foreach block 将启动 12 个环境，然后 ddply 将在每个环境中启动 12 个环境，从而实现 144 个并发环境。 foreach 应更改为 %do% 以与并行运行内部循环的问题文本保持一致。或者为了使其更清晰，请将两者更改为 foreach 并在一个循环中使用 %dopar% ，在另一个循环中使用 %:% 。