R 中使用多核和使用函数的并行处理

Question

我想通过使用计算机上的所有 8 个核心，在多个估算数据集中使用 R 中的并行化来更有效地运行 apply 函数 (my_func2)。每个估算数据集大约有 170 万长，因此我的计算机需要一段时间才能运行 25 个估算数据集。如何最大化计算时间？

以下是一些示例数据：

library(haven)
library(dplyr)
library(mstate)
impute1 <- data.frame(unique_ID = c(1,2,3,4), 
              DIED_INDICATOR = c(0,1,1,1), 
              CVD_ANY = c(0,1,1,0), 
              YEARS_CVD_DEATH = c(15.9, 23.6, 22.7, 3.4), 
              YEARS_CVD_HOSP = c(15.9, 11.4, 20.7, 3.4), 
              TOBACCO = c(0, 0, 0, 1), 
              MARRIED = c(1,0,1,0), 
              PARITY = c(2,1,1,2)) 

impute2 <- data.frame(unique_ID = c(1,2,3,4), 
              DIED_INDICATOR = c(0,1,1,1), 
              CVD_ANY = c(0,1,1,0), 
              YEARS_CVD_DEATH = c(15.9, 23.6, 22.7, 3.4), 
              YEARS_CVD_HOSP = c(15.9, 11.4, 21.7, 3.4), 
              TOBACCO = c(0, 1, 0, 1), 
              MARRIED = c(1,0,1,1), 
              PARITY = c(1,1,1,2)) 


test_list <- list(impute1, impute2)

covs <- c("TOBACCO", "MARRIED", "PARITY")

tmat <- trans.illdeath()




my_func2 <- function(x) {
cohort1 <- msprep(data=x, trans=tmat, 
  time=c(NA,"YEARS_CVD_HOSP","YEARS_CVD_DEATH"),
  status=c(NA,"CVD_ANY","DIED_INDICATOR"), 
  keep=covs, id=x$unique_ID)

cohort_expand <- expand.covs(cohort1, covs, append=TRUE, longnames=FALSE)

c1 <- coxph(Surv(Tstart, Tstop, status) 
  ~ TOBACCO.1 + TOBACCO.2 + TOBACCO.3 + strata(trans),
  data=cohort_expand, method="breslow")

summary(c1)
}

您建议使用此 lapply 功能做什么？

Answer 1

也许你可以使用 dopar、dosnow 与 R 创建并行作业，这里有一个类似的答案：

使用foreach和doSNOW并行调用外部程序：如何导入结果？

最诚挚的问候。