将计算机的核心分配给任务

Question

我正在尝试在 R 中模拟两个循环索引的不同组合（我使用的是 Windows）。

我认为我的电脑正在同时完成这一切。例如，假设我想列出数字 1 到 10。我的计算机列出它们 1,2,3,4,5,6,7,8,9,10。我认为如果我的计算机拆分负载，以便列出我的计算机上的一个核心（1,2,3,4,5）和列出的第二个核心（6,7,8,9,10），那会更好......然后一切都可以连接在一起，从而节省时间。

这是我的模拟：

lambda <- 1/5  
n <- 100000  

bus_arrivals <- rexp(n, rate = lambda)

results <- data.frame(
  s = numeric(), 
  t = numeric(), 
  prob_x_greater_than_t = numeric(),   
  prob_x_greater_than_s_plus_t_given_x_greater_than_s = numeric())

for (s in seq(1, 10, by = 1)) {
  for (t in seq(1, 10, by = 1)) {
    # Part 1: 
    p1 <- sum(bus_arrivals > t) / n

    # Part 2:
    waited_s <- bus_arrivals[bus_arrivals > s]
    p2 <- sum(waited_s > s + t) / length(waited_s)

    results <- rbind(
      results, 
      data.frame(
        s = s, 
        t = t, 
        prob_x_greater_than_t = p1,    
        prob_x_greater_than_s_plus_t_given_x_greater_than_s = p2
      )
    )
  }
}

有人可以告诉我如何在 R 中并行化此代码，以便可以为当前空闲的核心分配部分工作吗？或者一般来说，有什么方法可以加快这段代码的速度吗？

Answer 1

这是我尝试过的解决方案：

library(foreach)
library(doParallel)

no_cores <- detectCores() - 1

registerDoParallel(cores = no_cores)

lambda <- 1/5  
n <- 100000  
bus_arrivals <- rexp(n, rate = lambda)

# main function
calc_probs <- function(s) {
    results <- data.frame(s = numeric(), t = numeric(), prob_x_greater_than_t = numeric(), prob_x_greater_than_s_plus_t_given_x_greater_than_s = numeric())
    
    for (t in seq(1, 10, by = 0.01)) {
        # Part 1: 
        p1 <- sum(bus_arrivals > t) / n
        
        # Part 2:
        waited_s <- bus_arrivals[bus_arrivals > s]
        p2 <- sum(waited_s > s + t) / length(waited_s)
        
        results <- rbind(results, data.frame(s = s, t = t, prob_x_greater_than_t = p1, prob_x_greater_than_s_plus_t_given_x_greater_than_s = p2))
    }
    
    return(results)
}

# execute in paralel
results <- foreach(s = seq(1, 10, by = 0.01), .combine = rbind) %dopar% calc_probs(s)

我认为这是正确的？它运行得更快并且似乎产生了预期的结果？