multidplyr :为集群分配函数

Question

(见下文工作解决方案)

我想使用multidplyr并行化一个函数：

calculs.R
f <- function(x){
return(x+1)
}

main.R
library(dplyr)
library(multidplyr)
source("calculs.R")
d <- data.frame(a=1:1000,b=sample(1:2,1000),replace=T)

result <- d %>% 
   partition(b) %>% 
     do(f(.)) %>%
     collect()  

然后我得到：

Initialising 3 core cluster.
Error in checkForRemoteErrors(lapply(cl, recvResult)) : 
  2 nodes produced errors; first error: could not find function "f"
In addition: Warning message:
group_indices_.grouped_df ignores extra arguments 

如何将源函数分配给每个核心？

==================

以下是完美无缺的脚本：

必须提取要更新的值，并将结果转换为数据格式。

calcul.R
f <- function(x){
    return(data.frame(x$a+1))
    }

必须设置群集并分配源函数。

main.R
 library(dplyr)
library(multidplyr)
source("calculs.R")

cl <- create_cluster(3)
set_default_cluster(cl)
cluster_copy(cl, f)

d <- data.frame(a=1:10,b=c(rep(1,5),rep(2,5)))

  result <- d %>%
   partition(b) %>%
     do(f(.)) %>%
     collect()

Answer 1

看起来您初始化了一个集群(尽管您没有显示这个部分)。您需要将变量/函数从全局环境导出到每个工作人员。假设您将集群设为

cl <- create_cluster(3)
set_default_cluster(cl)

你能试试吗

cluster_copy(cl, f)    

这将复制并导出f给每个工人(我认为.)

额外的

您可能会遇到另一个问题，即您的函数接受x作为参数，为此添加了1

f <- function(x){
         return(x+1)
}

因为您要将数据帧传递给f，所以需要data.frame+1，这是没有意义的。您可能希望将您的函数更改为

f <- function(x){
         return(x$a+1)
}