R语言多任务处理与并行运算包——foreach
相信大部分R语言初学者，在刚开始入门之处，都曾被告诫在处理多重复任务时，尽量不要使用显式的for循环，而要尽可能的使用R语言内置的apply组函数，这样可以极大地提高代码运行效率。
但是实际上除了内的apply组函数之外，你还有另外一个更好地选择，就是利用一些支持并行运算的扩展包，来发挥本地计算机的多和计算优势。
本篇要讲解的包是foreach包，这是一个支持在R语言中调用多进程功能的第三方包，之前在对比显式循环、矢量化函数以及多进程在数据抓取的效率一文中，曾经演示过具体的代码。
library(“foreach”)library(“doParallel”)foreach包执行任务的核心理念与传统的apply组函数基本一致，都是与split – apply – combine一致的流程，不过foreach比传统apply组函数的优越之处在于，它可以通过调用操作系统的多核运行性能来执行并行任务，这样特别是对于I/O密集型任务而言，可以大大节省代码执行效率。
foreach(…, #待输入的参数 .combine, #结果返回后执行的数据合并操作(c代表合并为向量，list代表合并为列表，rbind代表合并为数据框) .packages=NULL, #在多进程共享的程序包（仅对于非系统安装包必备） .export=NULL, #未在当前环境中定义的数据对象 .verbose=FALSE #是否打印运行信息 )以上函数中，第1个参数是必备参数，即必须有输入参数，结果默认返回list。
foreach函数用于定义执行多进程任务的函数，任务的执行则需要使用%do%/%dopar%函数，前者执行的是普通的单进程任务（与apply组函数一样），后者则可以执行多进程任务。
接下来我们演示一遍整个多进程任务的过程：
首先定义一个执行函数：library(“httr”) library(“jsonlite”)library(“magrittr”)GETPDF <- function(i){ url<-“https://index.toutiao.com/api/report” headers<-c( “Host”=”index.toutiao.com”, “User-Agent”=”Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/61.0.3163.79 Safari/537.36” ) payload <-list(“page”=1,”size”=12) payload[[“page”]]=i web <- GET(url,add_headers(.headers = headers),query = payload) content <- web %>% content(as=”text”,encoding=”UTF-8″) %>% fromJSON() %>% `[[`(9) }
2、执行多进程函数方案1——使用%do%函数执行普通的向量运算
library(“doParallel”) #加载doParallel包用于之后注册进程library(“foreach”) #导入foreach包
system.time({ cl<- makeCluster(4) registerDoParallel(cl) #进行进程注册 mydata1 <- foreach( i=1:16, #输入等待请求的参数 .combine=rbind, #返回结果的整合 .packages = c(“httr”, “jsonlite”,”magrittr”) #多个进程共享的系统环境 ) %dopar% GETPDF(i) stopCluster(cl)})用户 系统 流逝 0.08 0.01 2.18
方案2——使用%dopar%函数执行多进程的运算system.time({ cl<-makeCluster(4) registerDoParallel(cl) mydata2 <- foreach(i=1:16,.combine=rbind) %do% GETPDF(i) })用户 系统 流逝 0.39 0.03 4.53因为%do%操作是单进程的，因而即便启动多进程环境也是徒劳。
DT::datatable(mydata1)
可以看到，%dopar%操作比%do%操作仅仅节省了0.04秒左右，但是鉴于抓包的请求频率比较高，这样多进程所节省的时间效率感知不够明显。
system.time(mydata3 <- plyr::ldply(1:16,GETPDF))用户 系统 流逝 0.32 0.00 4.54
整体时间效率比较：ldply > %do% > %dopar%4.54 > 4.53 > 2.18
从时间效率上来看，的确节省了将近50%的时间。
欢迎加入本站公开兴趣群商业智能与数据分析群兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识QQ群：81035754
