我有2个脚本,它们做的完全一样。
但是一个脚本正在生成3个重82.7 KB的RData文件,另一个脚本正在创建3个重120 KB的RData文件。
第一个没有并行:
library("plyr")
ddply(.data = iris,
.variables = "Species",
##.parallel=TRUE,##Without parallel
.fun = function(SpeciesData){
#Create Simple Model -------------------------------------------------------------
Model <- lm(formula = "Sepal.Length~Sepal.Width+Petal.Length+Petal.Width",data = SpeciesData)
#Save The Model -------------------------------------------------------------
save(Model,
compress = FALSE,
file = gsub(x = "Species.RData",
pattern = "Species",
replacement = unique(SpeciesData$Species)))
})
第二个是并行的:
library("plyr")
doSNOW::registerDoSNOW(cl<-snow::makeCluster(3))
ddply(.data = iris,
.variables = "Species",
.parallel=TRUE,##With parallel
.fun = function(SpeciesData){
#Create Simple Model -------------------------------------------------------------
Model <- lm(formula = "Sepal.Length~Sepal.Width+Petal.Length+Petal.Width",data = SpeciesData)
#Save The Model -------------------------------------------------------------
save(Model,
compress = FALSE,
file = gsub(x = "Species.RData",
pattern = "Species",
replacement = unique(SpeciesData$Species)))
})
snow::stopCluster(cl)
第二个脚本创建的文件的重量增加了42%。
如何在不自动增加文件大小的情况下并行保存文件?
最佳答案
我没有使用ddply来并行化保存对象,所以我猜该文件会变得更大,因为当您保存模型对象时,它还会携带一些有关保存该对象的环境的信息。
因此,使用上面的ddply代码,我的大小为:
sapply(dir(pattern="RData"),file.size)
setosa.RData versicolor.RData virginica.RData
36002 36002 36002
有两种选择,一种是使用purrr/furrr:
library(furrr)
library(purrr)
func = function(SpeciesData){
Model <- lm(formula = "Sepal.Length~Sepal.Width+Petal.Length+Petal.Width",data = SpeciesData)
save(Model,
compress = FALSE,
file = gsub(x = "Species.RData",
pattern = "Species",
replacement = unique(SpeciesData$Species)))
}
split(iris,iris$Species) %>% future_map(func)
sapply(dir(pattern="RData"),file.size)
setosa.RData versicolor.RData virginica.RData
25426 27156 27156
还是使用saveRDS(和ddply?),因为您只有一个对象要保存:
ddply(.data = iris,
.variables = "Species",
.parallel=TRUE,##With parallel
.fun = function(SpeciesData){
Model <- lm(formula = "Sepal.Length~Sepal.Width+Petal.Length+Petal.Width",data = SpeciesData)
saveRDS(Model,
gsub(x = "Species.rds",
pattern = "Species",
replacement = unique(SpeciesData$Species)))
})
sapply(dir(pattern="rds"),file.size)
setosa.rds versicolor.rds virginica.rds
6389 6300 6277
您将执行
readRDS
而不是load
来获取文件:m1 = readRDS("setosa.rds")
m1
Call:
lm(formula = "Sepal.Length~Sepal.Width+Petal.Length+Petal.Width",
data = SpeciesData)
Coefficients:
(Intercept) Sepal.Width Petal.Length Petal.Width
2.3519 0.6548 0.2376 0.2521
我们可以看一下与rda对象相比的系数:
m2 = get(load("setosa.RData"))
m2
Call:
lm(formula = "Sepal.Length~Sepal.Width+Petal.Length+Petal.Width",
data = SpeciesData)
Coefficients:
(Intercept) Sepal.Width Petal.Length Petal.Width
2.3519 0.6548 0.2376 0.2521
由于环境因素的原因,这些对象并不相同,但是根据预测或我们通常用于它的其他东西,它的工作原理是:
identical(predict(m1,data.frame(iris[1:10,])),predict(m2,data.frame(iris[1:10,])))
关于r - 如何在不自动增加文件大小的情况下并行保存文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60246849/