r - 並列計算: 各スレッドでパッケージを 1 回だけロードする

Question

現在、いくつかの大規模なデータセットを扱っているため、ワークフローを並列化することが唯一の方法です。

最初に 1 回、各スレッドにいくつかのパッケージをロードする必要があります (つまり、for(this.thread in threads) { #load some packages }.

残念ながら、その方法がわかりません。

magrittr次のコードは、パイプ演算子を aから使用しようとしている私の問題をさらに示しています%dopar%。

.

library(parallel)
library(doParallel)
library(foreach)
library(magrittr)


# Generate some random data and function :
# -----------------------------------------

randomData = runif(10^3)
randomFunction = function(x) {x * (2^x) } 

randomData[1] %>% randomFunction #Works



# And now ... The parallel part :
# --------------------------------

myCluster = makeCluster(6)
registerDoParallel(myCluster)


# Test that the do par is up and running: 
foreach(i = randomData) %dopar% { i }


# Use magrittr pipe operator: 
# Error in { : task 1 failed - "could not find function "%>%""
foreach(i = randomData) %dopar% { i %>% randomFunction }


# Load the library at each loop: (ie: length(data) times !)
# Other than unnecessarily loading the library (length(data) - numberOfThreads) times, 
# it works nicely
foreach(i = randomData) %dopar% { library(magrittr);  i %>% randomFunction }


# Now try without re-loading: 
# Tararaa - (ie: Works nicely)
foreach(i = randomData) %dopar% { i %>% randomFunction }

.

何か案は？

Answer 1

このパッケージは、インクルードからいくつdoParallelかの便利な低レベル関数を継承し、各ノードで関数を 1 回実行します。parallelclusterCall

私はまったく同じ問題を抱えていて、次のようにして解決しました：

library(doParallel)
myCluster = makeCluster(6)
registerDoParallel(myCluster)
clusterCall(myCluster, function() library(magrittr))

次の引数も使用できます.packages。

foreach(i = 1:5, .packages = "magrittr") %dopar% {i %>% runif}

Answer 2

これを試すことができます：

foreach(i = randomData,.packages=c("magrittr")) %dopar% {
  i %>% randomFunction
}