la différence entre ddcm et doParallel dans la R

Quelle est la différence entre doParallel et doMC dans la R concernant foreach fonction? doParallel prend en charge windows, unix-like, alors que doMC prend en charge de type unix seulement. En d'autres termes, pourquoi doParallel ne peut pas remplacer doMC directement? Merci.

Mise à jour:
doParallel est construit sur parallel, qui est essentiellement une fusion de multicore et snow et utilise automatiquement l'outil approprié pour votre système. En conséquence, nous pouvons utiliser doParallel charge plusieurs systèmes. En d'autres termes, nous pouvons utiliser doParallel pour remplacer doMC.

ref: http://michaeljkoontz.weebly.com/uploads/1/9/9/4/19940979/parallel.pdf

BTW, quelle est la différence entre registerDoParallel(ncores=3) et 

cl <- makeCluster(3)
registerDoParallel(cl)

Il semble registerDoParallel(ncores=3) pouvez arrêter de cluster automatiquement, tandis que le second ne s'arrête pas automatiquement et les besoins stopCluster(cl).

ref: http://cran.r-project.org/web/packages/doParallel/vignettes/gettingstartedParallel.pdf

InformationsquelleAutor Zhilong Jia | 2015-03-11
  1. 28

    La doParallel package est une fusion de doSNOW et doMC, comme parallel est une fusion de snow et multicore. Mais bien que doParallel possède toutes les caractéristiques de doMC, j'ai été dit par de Riches Calaway de Revolution Analytics qu'ils ont voulu garder doMC autour de parce que c'était plus efficace dans certaines circonstances, même si doMC utilise maintenant parallel comme doParallel. Je n'ai personnellement pas exécuter les points de repère pour déterminer si et quand il y a une différence significative.

    J'ai tendance à utiliser doMC sur Linux ou un ordinateur Mac OS X, doParallel sur un ordinateur Windows, et doMPI sur un cluster Linux, mais doParallel fonctionne sur toutes ces plates-formes.

    Comme pour les différentes méthodes d'enregistrement, si vous exécutez:

    registerDoParallel(cores=3)

    sur une machine Windows, il va créer un objet cluster implicitement pour une utilisation ultérieure avec clusterApplyLB, alors que sur Linux et Mac OS X, pas de cluster objet est créé ou utilisé. Le nombre de cœurs est tout simplement de le rappeler et de la valeur de la mc.cores argument plus tard lors de l'appel de mclapply.

    Si vous exécutez:

    cl <- makeCluster(3)
registerDoParallel(cl)

    puis enregistrés cluster objet sera utilisé avec clusterApplyLB indépendamment de la plate-forme. Il est exact que dans ce cas, il est de votre responsabilité d'arrêter le cluster de l'objet depuis sa création, alors que l'implicite cluster objet est automatiquement mise à l'arrêt.

    • Existe-il des mots ou des documents à propos de "certaines circonstances" pour doMC de Riches Calaway de Revolution Analytics? En outre, il n'existe aucune différence en considérant la performance dans le ncores et makeCluster situation? J'ai développé un R cogena le paquet où parallèle a été copié avec doMC à l'origine. J'ai juste changé la doParallel à la prise en charge de Windows il ya quelques heures. C'est une litière complexes concernant NAMESPACE et import lors de la mise en œuvre par mélange de doMC et doParallel. Je vous remercie.
    • Dans un package R, je pense que vous devriez laisser la fin de l'enregistrement de l'utilisateur quel que soit backend qui fonctionne le mieux sur leur matériel. Qui rend votre code plus simple et plus souple. C'était l'intention initiale de séparer le backend et le moyen de les signe et plyr le faire, par exemple.
    • J'ai reçu votre idée. Je vous remercie. Si il y a différence de performances en général de la machine, je vais faire comme vous l'avez suggéré. Si non, je préfère mon colis est facile à utiliser jusqu'à présent. J'ai envoyé un mail au Responsable de doParallel et de vous garder à jour.
    • Voici la réponse de Riches de Revolution Analytics (désolé, une litière de long pour un commentaire sur ALORS, je viens de coller à la conclusion): "je recommande doParallel pour la plupart des nouveaux utilisateurs, car il est supporté sur Linux et Windows et utilise le parallèle intégré paquet. En outre, je recommande l'utilisation de la fourche à la fonctionnalité de cluster de parallèle et de la neige-comme l'interface pour éviter zombie processus sous Linux."
    • Faute de frappe: l'option est appelée cores pas ncores. Il ne m'a pas permis de modifier votre réponse en moins de 6 caractères.
    • Merci. Je l'ai corrigé dans ma réponse.

    InformationsquelleAutor Steve Weston