mclapply 在背靠背使用多个实例时挂起

Question

我正在尝试使用 kaggle reddit comments challenge 中的数据创建手套模型。我加载 table，拉取 body，现在我正在尝试清理文本。

我提取了一小部分（100000 个标题）进行试验，这是我目前所拥有的：

library(DBI)
require(RSQLite)
library(dplyr)
library(parallel)
library(progress)
library(textclean)

titles = as.character(df$body)
numcores = detectCores()

i = 1
temp = {}
out = {}
while(i <= 100000){
  temp = titles[i:(i+1000)] %>%
    mclapply(replace_emoji, mc.cores = numcores) %>%
    mclapply(replace_url, mc.cores = numcores) %>%
    mclapply(replace_contraction, mc.cores = numcores) %>%
    mclapply(gsub, pattern = "[^[:alnum:][:space:]]",replacement = "") %>% 
    mclapply(replace_number, mc.cores = numcores) 
  i = i+1000
  out = c(out, temp)
  print(i)
}

但它似乎在随机的地方挂着赌注。它不会导致错误，它只是停止。当我查看我的 activity 监视器时，我发现 CPU 的使用率只是下降并且永远不会恢复。

我不知道我需要提供什么才能使这个请求更容易分解，所以请告诉我，我会进行编辑。

我用的 mclapply 错了吗？

我使用的是 mac 16 GB i7，8 核。

编辑：我环顾四周，找到了类似 this and this 的答案，但它们对我没有帮助。另外，如果我只使用 lapply.

似乎就可以了

Answer 1

如果我不在它们之间使用 mclapply 将它们背靠背堆叠，而是创建一个新函数并使用一次 mclapply，这似乎可行。

cleaner = function(vec){
 vec %>%
    replace_emoji() %>%
    replace_url() %>%
    replace_contraction() %>%
    Num_Al_sep() %>%
    gsub(pattern = "[^[:alnum:][:space:]]", replacement = "") %>%
    replace_number()
}

i = 1
temp = {}
out = {}
while(i <= 100000){
  temp = titles[i:(i+1000)] %>%
    mclapply(cleaner) 
  i = i+1000
  out = c(out, temp)
  #pb$tick()
  print(i)
}

Answer 2

嵌套循环导致了问题。并行循环的一次重复不应等待另一循环重复进行。如果并行循环被确定为顺序重复，就会发生死锁。

并行工作并不总能产生良好的效率。

mclapply 在背靠背使用多个实例时挂起

mclapply hangs when using multiple instances back to back

memory

parallel-processing

macos

r

mclapply