Считая веб-сайт R-project, есть некоторые (неясные) ссылки на многопоточность с R, но неясно, как базовый продукт и CRAN компилируются.
Revolution Analytics предлагает многопоточную базу (?) для Windows и Redhat.
Будут ли некоторые другие дистрибутивы Linux включать многопоточные R (и пакеты)?
Спасибо
Вы смущены.
Внутренние элементы R (и перед ним, S) являются однопоточными и почти наверняка останутся однопоточными. Насколько я понимаю, работа Дункана Храма Ланга PhD заключалась в преодолении этого, и если он не может этого сделать...
Тем не менее, есть карманы многопоточности:
Во-первых, всякий раз, когда вы делаете внешние вызовы и с надлежащей блокировкой, вы можете использовать многопоточность. Это то, что библиотеки BLAS MKL, Goto/Open BLAS, Atlas (если они построены многопоточность),... все предлагают. Revo R "просто" поставляется с (Intel) MKL, поскольку Intel быть ключевым инвестором Revo
Если вы внимательно относитесь к тому, что вы делаете, вы можете использовать OpenMP (расширение компилятора для многопоточности). Это началось с работы Люка Тирни над pnmath и pnmath0 (которые раньше были экспериментальными/внешними пакетами) и с тех пор медленно, но верно входила в R.
Далее, в многоядерном мире и в правой операционной системе вы всегда можете fork(). Это то, что пакет многоядерных пионеров и параллельный пакет теперь продолжается.
Наконец, есть маршрут сети /RPC с MPI, используемый такими пакетами, как Rmpi, snow, parallel,... и распространяется в приложениях HPC.
Как насчет this? Поскольку дата изменения этой страницы в мае 2014 года, я думаю, что упомянутые пакеты являются относительно новыми или, может быть, они не были стабильными на момент написания первого ответа.
Вы можете эффективно использовать многопоточный R, используя KNIME или любую другую программу, которая использует исполняемый файл rserve.exe. В KNIME вы можете поместить фрагмент R в серии Parallel Chunk node для выполнения операций по строкам. Для операций с колонками вы можете разбить набор данных на поднаборы столбцов и выполнить фрагменты R на каждом наборе, а затем объединить их вместе.
Надеюсь, это ускорит вращение вашего процессора!
Renjin - это реализация интерпретатора на основе JVM. Они утверждают, что:
В отличие от GNU R, Renjin многопоточен и будет успешно работать в среде Platform-as-a-Service, такой как Google Appengine, AWS Elastic Beanstalk, Heroku или Microsoft Azure.
#resource http://www.bedatadriven.com/products/renjin.html
Тем не менее, фактические R-пакеты, которые мы могли бы вызывать из R, не могут быть потокобезопасными.
См. документацию Jep, объясняющую эту проблему с точки зрения вызова CPython из Java/Scala.
https://github.com/ninia/jep/wiki/How-Jep-Works#threading-complications
Из-за осложнений и ограничений JNI поток, создающий экземпляр Jep, должен быть повторно использован для всех вызовов методов для этого экземпляра Jep. Jep будет применять это и исключать исключения, ссылающиеся на недопустимый доступ к потоку. (В будущем мы надеемся упростить или предоставить утилиты для управления потоками).
Несколько экземпляров Jep не должны запускаться в одном потоке одновременно. Хотя это технически разрешено, это может потенциально испортить состояние потока и привести к взаимоблокировке в интерпретаторе Python. Вероятно, это будет изменено, чтобы вызывать исключение, если оно встречается в будущем.
Таким образом, существует надежда на Renjin, но фактические бинарные (C/С++ и т.д.) пакеты должны быть проверены для безопасности потоков.
Существуют и другие реализации R
https://dynamicecology.wordpress.com/2014/01/14/r-isnt-just-r-anymore/
Revolution R Open говорит, что они предлагают
Высокопроизводительный движок языка R (многопоточная обработка с Intel® Math Kernel Library)