r - R中的并行处理,何时使用parLapply
问题描述
我的环境是窗口(无法更改)。希望在 R(Rstudio) 中使用 Parallel Processing 来缩短运行计算的时间(Colleberative filltering)
我以前的开发人员选择使用 parLapply(Socket 方法)然后我进入了这个话题。
帖子末尾的状态。
套接字方法可能发生的额外开销 - 它肯定会更快,但在这种情况下,添加的开销会减慢它的速度。
这意味着,并行计算在某些情况下可能无法加速。(对于socket,每个节点需要单独加载pacakges)
那么是否有任何矩阵可以帮助人们首先决定是否使用 parLapply?除了R中的'Parallel'包之外,还有其他包可以提高计算效率缩短时间吗?
另一个愚蠢的问题是,对于 R 中的并行处理,它只会有助于缩短时间,但不能帮助解决“R 中的大型数据集内存不足问题”对吗?例如使用 ARule 包计算规则
解决方案
推荐阅读
- mysql - 如何在另一个表定义的期间内将值相加?
- .net-core - 使用自定义策略授权时是否可以创建自定义错误消息?
- error-handling - 从内部调用向多个结果添加上下文
- anylogic - 具有相同订单号的多个代理
- ssis - 当有很多相互调用的 pcakage 时如何识别哪个 SSIS 包失败
- typescript - 在特定接口中禁用标识符的驼峰式规则
- ms-access - 如何为需要计算多个字段的现金流量财务报表创建访问报告
- jquery - 聚焦图像的某个部分
- ssh - 端服务器 ssh 转发配置
- javascript - 带有 Vue Js 动态插槽名称的 vue/no-unused-vars