Memoria condivisa in foreach parallelo in R




parallel-processing r-bigmemory (2)

In alternativa, se si utilizza Linux / Mac e si desidera una memoria condivisa CoW, utilizzare le forche. Prima carica tutti i tuoi dati nel thread principale, quindi avvia i thread di lavoro (fork) con la funzione generale mcparallel dal pacchetto parallel .

Puoi raccogliere i loro risultati con mccollect o con l'uso di memoria realmente condivisa usando la libreria Rdsm , in questo modo:

library(parallel)
library(bigmemory) #for shared variables
shared<-bigmemory::big.matrix(nrow = size, ncol = 1, type = 'double')
shared[1]<-1 #Init shared memory with some number

job<-mcparallel({shared[1]<-23}) #...change it in another forked thread
shared[1,1] #...and confirm that it gets changed
# [1] 23

È possibile confermare che il valore viene aggiornato in backgruound, se si ritarda la scrittura:

fn<-function()
{
  Sys.sleep(1) #One second delay
  shared[1]<-11
}

job<-mcparallel(fn())
shared[1] #Execute immediately after last command
# [1] 23
aaa[1,1] #Execute after one second
# [1] 11
mccollect() #To destroy all forked processes (and possibly collect their output)

Per controllare la concurenza ed evitare le condizioni di gara utilizzare le serrature:

library(synchronicity) #for locks
m<-boost.mutex() #Lets create a mutex "m"

bad.incr<-function() #This function doesn't protect the shared resource with locks:
{
  a<-shared[1]
  Sys.sleep(1)
  shared[1]<-a+1
}

good.incr<-function()
{
  lock(m)
  a<-shared[1]
  Sys.sleep(1)
  shared[1]<-a+1
  unlock(m)
}

shared[1]<-1
for (i in 1:5) job<-mcparallel(bad.incr())
shared[1] #You can verify, that the value didn't get increased 5 times due to race conditions

mccollect() #To clear all threads, not to get the values
shared[1]<-1
for (i in 1:5) job<-mcparallel(good.incr())
shared[1] #As expected, eventualy after 5 seconds of waiting you get the 6
#[1] 6 

mccollect()

Modificare:

Ho semplificato un po 'le dipendenze scambiando Rdsm::mgrmakevar in bigmemory::big.matrix . mgrmakevar chiama internamente big.matrix comunque, e non abbiamo bisogno di altro.

Descrizione del problema:

Ho una grande matrice c , caricata nella memoria RAM. Il mio obiettivo è l'elaborazione parallela per avere accesso in sola lettura ad esso. Tuttavia quando creo le connessioni o utilizzo doSNOW , doMPI , big.matrix , ecc. La quantità di RAM utilizzata aumenta in modo significativo.

C'è un modo per creare correttamente una memoria condivisa, da cui tutti i processi possono leggere, senza creare una copia locale di tutti i dati?

Esempio:

libs<-function(libraries){# Installs missing libraries and then load them
  for (lib in libraries){
    if( !is.element(lib, .packages(all.available = TRUE)) ) {
      install.packages(lib)
    }
    library(lib,character.only = TRUE)
  }
}

libra<-list("foreach","parallel","doSNOW","bigmemory")
libs(libra)

#create a matrix of size 1GB aproximatelly
c<-matrix(runif(10000^2),10000,10000)
#convert it to bigmatrix
x<-as.big.matrix(c)
# get a description of the matrix
mdesc <- describe(x)
# Create the required connections    
cl <- makeCluster(detectCores ())
registerDoSNOW(cl)
out<-foreach(linID = 1:10, .combine=c) %dopar% {
  #load bigmemory
  require(bigmemory)
  # attach the matrix via shared memory??
  m <- attach.big.matrix(mdesc)
  #dummy expression to test data aquisition
  c<-m[1,1]
}
closeAllConnections()

RAM: nell'immagine qui sopra, potresti scoprire che la memoria aumenta molto fino a quando foreach finisce e viene liberata.


Penso che la soluzione al problema possa essere vista dal post di Steve Weston, l'autore del pacchetto foreach , here . Lì afferma:

Il pacchetto doParallel esegue l'esportazione automatica delle variabili per i worker a cui viene fatto riferimento nel ciclo foreach.

Quindi penso che il problema è che nel tuo codice la tua grande matrice c è referenziata nell'assegnazione c<-m[1,1] . Prova semplicemente xyz <- m[1,1] e vedi cosa succede.

Ecco un esempio di big.matrix con file di backup:

#create a matrix of size 1GB aproximatelly
n <- 10000
m <- 10000
c <- matrix(runif(n*m),n,m)
#convert it to bigmatrix
x <- as.big.matrix(x = c, type = "double", 
                 separated = FALSE, 
                 backingfile = "example.bin", 
                 descriptorfile = "example.desc")
# get a description of the matrix
mdesc <- describe(x)
# Create the required connections    
cl <- makeCluster(detectCores ())
registerDoSNOW(cl)
## 1) No referencing
out <- foreach(linID = 1:4, .combine=c) %dopar% {
  t <- attach.big.matrix("example.desc")
  for (i in seq_len(30L)) {
    for (j in seq_len(m)) {
      y <- t[i,j]
    }
  }
  return(0L)
}

## 2) Referencing
out <- foreach(linID = 1:4, .combine=c) %dopar% {
  invisible(c) ## c is referenced and thus exported to workers
  t <- attach.big.matrix("example.desc")
  for (i in seq_len(30L)) {
    for (j in seq_len(m)) {
      y <- t[i,j]
    }
  }
  return(0L)
}
closeAllConnections()





r-bigmemory