r - 所有 R 包的并行编程

Question

你知道是否有任何计划在 R 中为所有包引入并行编程吗？我知道一些开发，例如 R-revolution 和并行编程包，但它们似乎有专门的功能来取代最流行的功能(线性规划等)。然而，R 的一大优点是每天都有大量专门的软件包，它们使复杂且耗时的分析变得非常容易运行。其中很多使用广义线性模型等非常流行的函数，但也使用结果进行额外的计算和比较，最后整理出输出。据我了解，您需要定义一个函数的哪些部分可以在并行编程中运行，所以这可能就是为什么大多数专门的 R 包没有这个功能，除非代码被编辑，否则不能拥有它。

是否有任何计划(或任何程序包)使所有最流行的 R 函数能够在并行处理中运行，以便包含这些函数的所有不太流行的函数都可以在并行处理中运行？例如，包 difR 的大部分功能都使用 glm 函数；如果 glm 包能够在所有多处理器机器的并行处理中运行(或重写然后在新的 R 版本中发布)，那么就不需要重写 difR 包，然后可以运行一些在 Windows PC 上并行编程的帮助下，它最繁琐的过程。

Answer 1

我完全同意保罗的回答。

此外，一个通用的并行化系统需要一些非常重要的校准，即使对于那些可以很容易并行化的函数也是如此:如果你有一个提供并行计算的几个函数的调用堆栈(例如，你正在引导一些模型拟合，模型拟合可能已经提供并行化并且低级线性代数可以隐式并行)？您需要估计(或手动选择)应该在哪个级别进行显式并行化。此外，您可能具有隐式并行化，因此您需要在这些之间进行权衡。

但是，有一种特别简单且通用的方法可以在 R 中隐式并行化计算:使用优化的 BLAS 可以并行化线性代数并显着加快速度。使用它(取决于您的系统)就像告诉您的包管理器安装优化的 BLAS 一样简单，R 将使用它。一旦链接到 R，所有使用基本线性代数函数(如 %*%、crossprod、solve 等)的包都将受益。

参见例如Dirk Eddelbüttel 的 gcbd 包及其插图，还讨论了如何使用 GotoBLAS2/OpenBLAS。