Vol.1
使⽤bench包进⾏基准测试
library(bench)
x <- runif(n = 1000000)
bench::mark(
sqrt(x),
x ^ 0.5,
x ^ (1 / 2),
min_time = Inf, max_iterations = 1000
)
以下展⽰了三种计算平⽅根⽅法的性能评估。min和median分别代表每种⽅法的最⼩和中位数运⾏时间，可以看到sqrt的⽅法最快，其他两种更慢⼀点，且性能相近。itr代表每秒能够完成的迭代次数，mem_alloc代表每次运⾏的内存分配量，gc代表每秒触发垃圾回收的次
数。
Vol.2
parallel包介绍
parallel包是R中专门⽤于并⾏计算的包，可以利⽤多核处理器的能⼒来加速计算任务。
⼀些核心函数和用途
detectCores()
• 作⽤：检测系统中可⽤的核⼼数（CPU核数）。
• ⽤途：帮助⽤户根据硬件资源确定分配给并⾏任务的核⼼数。
• 注意：并⾮所有核⼼数都应该被占⽤，⼀般会留⾄少⼀个核⼼给系统。
pvec()
• 作⽤：⽤于对向量的映射函数进⾏并⾏化（基于Forking）。
• 参数： mc.cores 设置⽤于并⾏计算的核⼼数。
• ⽤途：适合处理简单的向量操作任务，例如对每个向量元素应⽤⼀个函数。
**mclapply()**
• 作⽤：是lapply()函数的并⾏版本（基于Forking）。
• 参数： mc.cores 设置⽤于并⾏计算的核⼼数。c.preschedule 是否预先分配任务到各核⼼（默认为TRUE，适合任务运⾏时间相近的情况）。 affinity.list 可以指定任务如何分配到特定核⼼（⽤于负载均衡）。
• ⽤途：适合复杂列表或数据框的逐项操作，例如对每⼀项应⽤特定函数。
**mcparallel() 和 mccollect()**
• mcparallel() —在单独的进程中异步评估R表达式（基于Forking）。
• mccollect() —收集由 mcparallel() 启动的并⾏进程的结果。适合需要⼿动管理进程的情况，适⽤于更⾼级别的并⾏任务。
硬件信息
• ⼀般笔记本电脑可能有8个核⼼。
• 硬件核⼼数决定了并⾏计算的上限，多核系统能显著提升性能。
核⼼选择：在开始并⾏计算前，使⽤ detectCores() 确定核⼼数，并合理分配给mc.cores。
适用场景：
• pvec() ：向量操作。
• mclapply() ：列表操作。
• mcparallel()和mccollect() ：更灵活的任务管理。
Caution
Forking⽅法不⽀持Windows系统，如果在Windows上使⽤，需要考虑其他⽅法（例如parLapply()或snow包）。
负载均衡
sleepR <- function(x) {
Sys.sleep(x) #让每个任务“暂停”x秒，模拟任务的计算时间。
runif(1) #在暂停后返回⼀个随机数。
}
平衡负载计算
#输⼊向量和负载分配列表
x <- c(2.5, 2.5, 5) #三个任务的耗时分别为2.5秒、2.5秒和5秒
aff_list_bal <- c(1, 1, 2) #平衡负载分配：任务被分配给两个核⼼，核⼼1处理第⼀个和第⼆个任务；核⼼2处理第三个任务
aff_list_unbal <- c(1, 2, 2)#不平衡负载分配：任务分配不均，核⼼1处理第⼀个任务；核⼼2处理第⼆个和第三个任务
不平衡负载计算
平衡任务分配可以减少运⾏时间，提⾼并⾏效率。在平衡分配中，两个核⼼⼯作时间接近，效率最⾼。
Socket并⾏
detectCores() # 检测可⽤的核⼼数
c1 <- makeCluster() # 创建⼀个集群
result <- clusterApply(cl = c1, ...) # 在集群中运⾏任务
stopCluster(c1) # 关闭集群
*⽰例：
clust <- makeCluster(4) # 创建⼀个4核⼼的集群
library(nycflights13) # 主进程中加载nycflights13包
clusterEvalQ(cl = clust, dim(flights)) # 在worker节点中执⾏
dim(flights)
stopCluster(clust) # 停⽌并释放集群资源
*此时可能会出现这样的报错：
这是因为在Sockets并⾏化中，每个worker节点都是独⽴的R会话，它们不会⾃动继承主R会话中的数据、函数或加载的包。因此，虽然主会话加载了nycflights13包，但worker节点中没有加载这个包，也⽆法找到flights数据集。
解决⽅案1：
clust <- makeCluster(4) # 创建⼀个4核⼼集群
clusterEvalQ(cl = clust, {
library(nycflights13) # 在每个worker节点加载nycflights13包
dim(flights) # 在worker节点上查看flights数据集的维度
})
stopCluster(clust) # 停⽌并释放集群资源
解决⽅案2：
cl <- makeCluster(4) # 创建⼀个4核⼼集群
library(nycflights13) # 在主进程中加载nycflights13包
clusterExport(cl = cl, varlist = c("flights")) # 将flights对象传递到worker节点
clusterEvalQ(cl = cl, {dim(flights)}) # 在worker节点中运⾏
dim(flights)
stopCluster(cl) # 停⽌并释放集群资源
使⽤⽅案1：
• Worker节点需要访问特定包的内容（例如，直接加载包中的数据集）。
• 当⽆法提前将数据准备好时，这种⽅法更加灵活。
使⽤⽅案2：
• 数据已经在主进程中准备好，⽆需worker节点加载额外的包。
• 优先选择这种⽅法，减少worker节点的额外操作，提升效率。
最后输出的结果都是：
关于R中⼀系列并⾏化的apply函数的家族
负载均衡的意义：
• 普通版本（如parLapply()）：将任务静态分配到不同的worker节点，如果任务耗
时不均，某些节点可能会空闲。
• 负载均衡版本（如parLapplyLB()）：动态分配任务，确保每个节点尽可能保持忙
碌状态，提升资源利⽤率。
如何通过并⾏化实现bootstrap
#加载tidyverse，其中包括dplyr和ggplot2
library(tidyverse)
cl <- makeCluster(4) # 创建⼀个4核⼼的集群
#定义bootstrap函数并⽣成样本
boot_samples <- clusterEvalQ(cl = cl, {
library(dplyr)
create_boot_sample <- function() {
mtcars %>%
select(mpg) %>%
sample_n(size = nrow(mtcars), replace = TRUE)
}
replicate(2500, create_boot_sample())
})
#并⾏化计算和结果可视化
map(boot_samples, ~parLapply(cl, X = ., fun = mean)) %>%
unlist() %>%
as_tibble() %>%
ggplot(aes(x = value)) +
geom_histogram() +
theme_minimal(base_size = 16)
stopCluster(cl)
PSYCH统计实验室
通知公告
网络分析课程目前开放视频课啦
单次课200元/讲（学生），250元/讲（非学生）
共有四讲内容：
①横断面网络分析简介与基础
②网络分析与因子分析
③交叉滞后网络分析
④时间序列网络分析
购买后开放视频权限14天，可多次申请。
并赠送所有课程相关资料（无PPT）
如果想申请购买，请联系M18812507626
更多资讯
关注我们
文稿：Traveler
排版：Peruere
审核：摘星
本文由“Psych统计自习室”课题组原创，欢迎转发至朋友圈。如需转载请联系后台，征得作者同意后方可转载。
