如何在R中并行处理LAScatalog和lidR

Question

我使用以下代码处理LIDAR目录(使用来自伟大的LAScatalog包的lidR处理引擎)：

library(lidR)

lasdir <- "D:\\LAS\\"
output <- "D:\\LAS\\PRODUCTS\\"
epsg = "+init=epsg:25829"
res = 1

no_cores <- detectCores()
cat <- lascatalog(lasdir = lasdir, 
                  outputdir = output, 
                  pattern = '*COL.laz$|*COL.LAZ$',
                  catname = "Catalog",
                  clipcat = FALSE, clipcatbuf = FALSE, clipbuf = 1000, clipcatshape = clipcatshape,
                  cat_chunk_buffer = 20,
                  cores = no_cores, progress = TRUE,
                  laz_compression = TRUE, epsg = epsg,
                  retilecatalog = FALSE, tile_chunk_buffer = 10,
                  tile_chunk_size = 1000,
                  filterask = FALSE,
                  filter = "-keep_first -drop_z_below 2")

DEM_output <- paste0(output,"DEM_", str_pad(res, 3, "left", pad = "0"), "/")
opt_output_files(cat) <- paste0(DEM_output,"{ORIGINALFILENAME}") #set filepaths
DEM <- grid_terrain(cat, res = res, algorithm = "knnidw"(k = 5, p = 2)) 

库有了一些实现，现在，参数cores似乎不起作用，虽然过程可以工作，但现在它不能并行工作。一条消息声明：Option no longer supported. See ?lidR-parallelism。

​

​

现在如何并行处理目录？

Answer 1

自lidR 2.1.0 (2019年7月)以来，opt_core()函数已被废弃。见变化量g。

用户现在必须显式地声明用于并行处理tiles的策略。这是无论如何，它应该如何设计从一开始！对于用户来说，还原前一种行为只意味着一种改变。 在< 2.1.0版本中，以下内容是正确的： 库(LidR) ctg <-目录(“文件夹/”) opt_cores(ctg) <- 4L hmean <- grid_metrics(ctg，平均值(Z)) 在版本>= 2.1.0中，必须使用未来的包显式声明这一点： 库(LidR)库(未来)计划(多会话) ctg <- catalog(“文件夹/”) hmean <- grid_metrics(ctg，均(Z))

此外，这在名为lidR-parallelism的手册页面中有完整的记录。

?lidR::`lidR-parallelism`

基于块的并行 在处理LAScatalog时，内部引擎将数据集分割成块，并在一个循环中依次读取和处理每个块。但实际上，这个循环可以与未来的包并行化。这些块按顺序处理，但可以通过注册评估策略并行处理。例如，对以下代码进行顺序评估： <- readLAScatalog(“文件夹/”)出<- grid_metrics( ctg，平均值(Z)) 但是这个评估是与两个核心并行进行的： 库(未来)计划(多会话，workers = 2L) ctg <- readLAScatalog(“文件夹/”) out <- grid_metrics(ctg，平均值(Z)) 使用基于块的并行性，任何算法都可以通过处理数据集的几个子集来并行化.

要充分利用这种新语法，您需要了解future是如何工作的。见未来。