multidplyr ：将函数分配给集群

Question

（请参阅下面的工作解决方案）

我想使用 multidplyr 来并行化一个函数：

calculs.R
f <- function(x){
return(x+1)
}

main.R
library(dplyr)
library(multidplyr)
source("calculs.R")
d <- data.frame(a=1:1000,b=sample(1:2,1000),replace=T)

result <- d %>% 
   partition(b) %>% 
     do(f(.)) %>%
     collect()

然后我得到：

Initialising 3 core cluster.
Error in checkForRemoteErrors(lapply(cl, recvResult)) : 
  2 nodes produced errors; first error: could not find function "f"
In addition: Warning message:
group_indices_.grouped_df ignores extra arguments

如何为每个内核分配源函数？

==================

这是完美的脚本：

必须提取要更新的值，并将结果转换为数据帧

calcul.R
f <- function(x){
    return(data.frame(x$a+1))
    }

必须设置集群并分配源函数

main.R
 library(dplyr)
library(multidplyr)
source("calculs.R")

cl <- create_cluster(3)
set_default_cluster(cl)
cluster_copy(cl, f)

d <- data.frame(a=1:10,b=c(rep(1,5),rep(2,5)))

  result <- d %>%
   partition(b) %>%
     do(f(.)) %>%
     collect()

Answer 1

看起来你初始化了一个集群（虽然你没有显示这部分）。您需要将 variables/function 从全局环境导出到每个工作人员。假设您将集群设置为

cl <- create_cluster(3)
set_default_cluster(cl)

你能试试吗

cluster_copy(cl, f)

这将复制并导出 f 给每个工人（我认为...）

额外

您可能运行遇到另一个问题，即您的函数接受 x 作为参数，并向其添加 1

f <- function(x){
         return(x+1)
}

由于您将数据框传递给 f，因此您要求的是 data.frame+1，这是没有意义的。您可能想将函数更改为

f <- function(x){
         return(x$a+1)
}

multidplyr ：将函数分配给集群

multidplyr : assign functions to cluster

parallel-processing

r

dplyr

multidplyr