对于我目前参与的几项工作,我通过一系列函数运行具有大量参数组合的大型数据集。这些函数有一个包装器(所以我可以
mclapply
)以便于在集群上操作。然而,我遇到了两个主要挑战。
a) 我的参数组合很大(想想 20k 到 100k)。有时特定的组合会失败(例如,生存率太高而死亡率太低,因此模型永远不会收敛为假设场景)。对我来说,很难提前准确地弄清楚哪些组合会失败(如果我能做到这一点,生活会更轻松)。但现在我有这种类型的设置:
failsafe <- failwith(NULL, my_wrapper_function)
# This is what I run
# Note that input_variables contains a list of variables in each list item
results <- mclapply(input_variables, failsafe, mc.cores = 72)
# On my local dual core mac, I can't do this so the equivalent would be:
results <- llply(input_variables, failsafe, .progress = 'text')
我的包装函数的骨架如下所示:
my_wrapper_function <- function(tlist) {
run <- tryCatch(my_model(tlist$a, tlist$b, tlist$sA, tlist$Fec, m = NULL) , error=function(e) NULL)
...
return(run)
}
这是最有效的方法吗?如果由于某种原因,特定的变量组合使模型崩溃,我需要它返回
NULL
并继续执行其余操作。然而,我仍然有一个问题,那就是失败得不够优雅。
b)有时,某种输入组合不会使模型崩溃,但需要很长时间才能收敛。我对集群的计算时间设置了限制(比如 6 小时),这样我就不会在卡住的事情上浪费资源。如何包含超时,以便如果函数调用在单个列表项上花费超过 x 时间,它应该继续?计算所花费的时间很简单,但不能中断函数中间模拟来检查时间,对吗?
任何想法、解决方案或技巧都值得赞赏!
您很可能能够使用
R.utils包中的
tryCatch()
和 withTimeout()
的组合来管理超时时的优雅退出。
另请参阅这篇文章,其中提供了类似的代码并且更详细地解压了它。
library(R.utils)
myFun <- function(x) {Sys.sleep(x); x^2}
## withTimeout() times out evaluation after 3.1 seconds, and then
## tryCatch() handles the resulting error (of class "TimeoutException")
## with grace and aplomb.
myWrapperFunction <- function(i) {
tryCatch(expr = withTimeout(myFun(i), timeout = 3.1),
TimeoutException = function(ex) "TimedOut")
}
sapply(1:5, myWrapperFunction)
# [1] "1" "4" "9" "TimedOut" "TimedOut"