为什么这段并行计算代码只用了1CPU？

Question

我正在使用 foreach 和 parallel 库来执行并行计算，但由于某些原因，运行一次只使用 1 个 CPU (我使用 'top'（Bash 在 Linux 终端上查找）。

服务器有48核，我试过了：

使用 24、12 或 5 核
示例代码（如下）
在 Windows 中，任务本身出现，但它们不使用任何 CPU

list.of.packages <- c("foreach", "doParallel")
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[,"Package"])]
if (length(new.packages)) install.packages(new.packages)

library(foreach)
library(doParallel)

no_cores <- detectCores() / 2 # 24 cores
cl<-makeCluster(no_cores)
registerDoParallel(cl)

df.a = data.frame(str = cbind(paste('name',seq(1:60000))), int = rnorm(60000))
df.b = data.frame(str = sample(df.a[, 1]))
df.b$int = NA

foreach(row.a = 1:length(df.a$str),
        .combine = rbind,
        .verbose = T)  %dopar% {
          row.b = grep(pattern = df.a$str[row.a], x = df.b$str)
          df.b$int[row.b] = df.a$int[row.a]
          df.b
        }
stopCluster(cl)

我希望这段代码使用几个 CPU（定义的那么多），但它实际上使用了 1.

Answer 1

运行 foreach(..., verbose = TRUE) 了解发生了什么。稍微更改了运行的代码，以便在并行代码为运行.

时更好地识别

library(foreach)
library(doParallel)

no_cores <- detectCores() / 2 # 24 cores
cl<-makeCluster(no_cores)
registerDoParallel(cl)

base = 2

out <- foreach(exponent = 2:400,
        .combine = sum, .verbose = TRUE)  %dopar%
  runif(1000000)

第一段：

# discovered package(s):  
# no variables are automatically exported
# explicitly exporting package(s):
# numValues: 3999, numResults: 0, stopped: TRUE

此设置不是并行的 - 这是您的主人设置您的 children。对于 2:40000000，这需要很长时间，这可能是您停止的地方，并且您只会看到一个核心在使用中。

# numValues: 79, numResults: 0, stopped: TRUE
# got results for task n

您在等待打印时的计算应该是并行的。在 Windows 上，我看到 4 个核心正在计算每个 runif。

# calling combine function
# evaluating call object to combine results:
#   fun(accum, result.n)

这对每个具有不同 n 值的工人运行。这是你的组合函数，也不是并行的。

我认为您的代码在设置部分挂了，您只观察了操作的串行部分。如果没有，我会观察 verbose = TRUE 的情况并寻找更多线索。

我不知道您的主要问题是如何设置的，但是您的示例并不是如何设置并行化的好示例 - 您正在使用数百万工作人员来执行非常小的任务，因此您的串行开销成本为工人很高。如果您可以将更大的块发送给每个工人，您将看到性能的提高。

为什么这段并行计算代码只用了1CPU？

Why is this parallel computing code only using 1 CPU?

r

parallel-foreach

doparallel