Zharoznizhyuchі zasobi gyerekeknek priznachayutsya pedіatr. Állítólag vannak olyan helyzetek, amikor láz esetén feltűnő segítségre van szükség, ha a gyermek ártatlanul szorul rá. Todi apa átveszi a lázcsillapító gyógyszerek sokoldalúságát és konzisztenciáját. Szabad-e mellet adni a gyerekeknek? Hogyan lehet legyőzni a nagyobb gyerekek hőmérsékletét? Melyek a legjobbak?
A rendszer () és az Rscript segítségével aszinkron háttérfolyamatként futtathatja a szkriptet:
rendszer ( "Rscript -e" forrás (\ "saját-script.R \") "", Várjon = FALSE) ... save.image ("script-output.RData") cat ("Szkript kész \ n \ n")Remélem tudsz nekem segíteni!
Az R szkripteket szeretném látni a háttérben az R konzolról.
A konzolról elkezdem futtatni az R-scriptet, mint a dzherelo ("~ / .active-rstudio-document). Meg kell néznem, hacsak a szkript nem fejeződött be, tovább akarok lépni a robotra. Továbbléphetek a Robot a konzolban. Illetve én vagyok a hibás egy értesítésben, ha R teljesíti a dzherel parancsot. Hogy lehet az R-ben?
Lehet nagyon kukorica, de gyakran bachimo, de a robothoz sok egy óra kell.
PS - Azt akarom, hogy ez a szkript ugyanazon a memóriaterületen működjön, és ne egy újban. Ez a döntés, mint például a villa, a rendszer stb., számomra nem működik. Én bachu, miért tudom az R-scriptet okremiy folyamatként futtatni, nem okremiy folyamatként.
Egy R szkripttel rendelkező robotnál ez automatikusan megtehető. A "taskscheduleR" csomag emellett segít beállítani egy R-szkriptet az R-szkript futtatásához a Windows Feladatütemezőben. Windows rendszert futtatvaés eddig.
- Telepítse a "taskscheduleR" csomagkönyvtárat (devtools) az install.packages ("devtools") install_github ("jwijffels / taskcheduleR") könyvtárat (taskscheduleR)
Vikoristovuєmo "devtools" csomag, amely lehetővé teszi a csomagok letöltését és telepítését közvetlenül a GitHubból.
- A szkript indításának beállítási lehetőségei gyorsan vagy interaktívan elvégezhetők az űrlapon keresztül, vagy néhány sor kódba írásával.
Az R szkript elrendezésének beállítása a Feladatütemezőben a bővítményeken keresztül:
Az R szkript elrendezésének beállítása a taskcheduleR csomag funkcióival:
A csomag funkciói:
- Szerkessze az összes feladat listáját a Windows Task Sheduler alkalmazásban
- Tekintse meg, hogyan működik a Windows Task Sheduler
- Dodati zavdannya elindítása R script
- Nyilvánvaló módon a következőképpen oszlik meg: 'EGYSZER', 'HAVI', 'HETI', 'NAPI', 'ÓRÁNTA', 'PERC', 'ONLOGON', 'ONIDLE'
A következő lépésben tisztelem Önt:
- dátum formátum... Bűnös a dátumformátum számítógépeken való használatában. A іnshomu vipadku otritsaєmo vagy elnézést a forgatókönyv indításának elosztási beállításaiért vagy a dátumért.
- számítógépes tevékenység... A szkript indításakor a számítógép buty-zárványok miatt hibás
- A szkript disztribúcióinak elérhetősége... Az azonos nevű új disztribúció létrehozásának órája előtt a disztribúció előre látható lesz.
R - népszerű mobil program kimeneti kóddal, amely statisztikai megjelenítésekre és grafikonokra specializálódott. Nyerjen statisztikusok széles körét a statisztikai szoftverek biztonságának fejlesztésére és az adatok elemzésére. Az R egyik erőssége a terjeszkedés. A fahéjrúd felnyitható és tömegesen is közzétehető. Az R Spіlnost továbbra is aktívan, folyamatosan tölti ki a statisztikai csomagokat a tudomány meghatározott területeire vonatkozóan. Képesek leszünk kirabolni R-t a bagatoh szférákban.
CRAN (Comprehensive R Archive Network) – webhelyek (tükrök) egész halmaza bármilyen méretnélküli csomagon és R disztribúcióján. Bármelyikből hozzáadhatja az R-t, mi győztesek leszünk az RStudióban.
Tudnia kell, hogyan kell telepíteni és telepíteni az R-t az Ubuntu 14.04-ben. Több utasítás van a vezetéshez és más operációs rendszerekhez, módosítani kell a parancsok számát. Mindenhez, mindenhez legfeljebb 10-15 khvilit kell inni.
Nyilvánvalóan szükségünk lesz az Ubuntu 14.04-re, hogy az alapszabály és a rendszerben lévő 1 Gigabyte működési memória védett legyen rajta. Mivel a memória nem elegendő, be kell kapcsolni a tápegységet.
Az összes parancsot extravagáns koristuvachnak fogják tekinteni, ha root hozzáférésre van szüksége a sudo-hoz.
rendszer előkészítése
Az R telepítéséhez az APT-t (Advanced Packaging Tool) használjuk. A dzherel hangok listájának kiválasztásához egy speciális fájlban lezárt csomagok lesznek. Tse /etc/apt/sources.list. Ha az R legjobb verzióját szeretné szerkeszteni, akkor hozzá kell adnia a megfelelő tárolót a dzherel listájához. Az /etc/apt/sources.list egy teljesen új sorában az Ubuntu 14.04-ben a következőképpen fog megjelenni a tengely, más verzióknál viszont:
sudo sh -c 'echo "deb http://cran.rstudio.com/bin/linux/ubuntu trusty /" >> /etc/apt/sources.list'
Az operációs rendszer verziójának tárháza ott található
Ahhoz, hogy a csomagokat ugyanabból a kapcsolási rajzból telepítsük az APT-ben, hozzá kell adnunk az első nyilvános kulcsot. Az Ubuntu CRAN-ban az E084DAB9 kulcsazonosítót használjuk. Dodaєmo yogo a rendszerhez:
gpg -keyserver keyserver.ubuntu.com -recv-key E084DAB9
És akkor megfelelő módon:
gpg -a -export E084DAB9 | sudo apt-key add -
beállítás R
Most, ha az APT beállítása megfelelő, folytathatjuk a telepítést.
A listához frissítenie kell az elérhető csomagok listáját, így ahogy megváltoztattuk a dzherela:
sudo apt-get frissítés
Most már telepítheti az R. Prapor y-t, automatikusan erősítse meg a telepítést a következő programokkal:
sudo apt-get -y telepíti az r-base-t
Most telepítette a legjobbat a rendszerébe az utolsó változat R. Tiltakozhat її, ha ellátogat:
Így rázhatod:
R verzió 3.2.1 (2015-06-18) - "Világhírű űrhajós"
Copyright (C) 2015 The R Foundation for Statistical Computing
Platform: x86_64-pc-linux-gnu (64 bites)
Az R egy ingyenes szoftver, és TELJESEN NEM GARANCIA jár hozzá.
Bizonyos feltételek mellett újra terjesztheti.
Írja be a „licenc ()” vagy a „licenc ()” kifejezést a terjesztés részleteiért.
Természetes nyelvi támogatás, de angol nyelven fut
Az R egy együttműködési projekt számos közreműködővel.
Írja be a „közreműködők ()” kifejezést további információkért és
„Idézet ()” arra vonatkozóan, hogyan kell R vagy R csomagokat idézni a kiadványokban.
Írja be a „demo ()” kifejezést egyes bemutatókhoz, a „help ()” kifejezést az online súgóhoz, vagy
'Help.start ()' egy HTML-böngészőfelülethez, amely segít.
Írja be a „q ()” parancsot az R kilépéshez.
Megfertőződött az R interaktív konzolon, és meglátogathatja az R parancsot. A bevitelhez fel kell gyorsítani a funkciót:
> Q (mentés = "nem")
R csomagok telepítése a CRAN-ból
Számos szabványos csomagot telepítek az R helyettesítésére, ha egyedül akarja kiegészítő csomagok... Az egészhez legalább 1 GB operatív memória szükséges.
Korábban a CRAN-ban nem csak az R volt, hanem meglehetősen nagyvonalú kiegészítő csomagok is. A CRAN-ból csomagok telepítéséhez az R függvényt kell használnia install.packages (). Például, ha telepíteni szeretné a csomagcsomagot, akkor lépjen a parancsra:
> Install.packages ("csomag")
Tartsa tiszteletben, hogy a csomag csak a flow-line ügyintéző számára lesz telepítve, és nem lesz elérhető.
Telepítheti az R csomagot minden koristuvachivhoz, mindenkinek, akinek szüksége van egy szuper koristuvach jogaira. Seggfejként telepítsünk egy olyan csillogó csomagot, mint amilyen az R-en már népszerű a webbővítmények között. A szuperkliensről történő csomag telepítésének egyik módja az, hogy elkerüljük a kiegészítőket, futtassuk R vagy telepítse az install.packages () funkciót. Nem tanácsos piros zászlót használni. Csak futtathatjuk az R parancsot a sudo-val együtt. A repo paraméter a helyére helyezi a csomagot.
sudo su - -c "R -e \" install.packages ('shiny', repos = 'http://cran.rstudio.com/') \ ""
Most a csomag minden koristuvachiv számára elérhető lesz. Revideáljuk. R futtatás:
Csomagolja be a csomagot:
> Könyvtár (fényes)
Jak bachite a csapat nem wikklic kegyelmezett. Most zárja be az R-t:
> Q (mentés = "nem")
A DevTools csomag telepítése
A CRAN-ban terjesztett csomagok telepíthetők az install.packages () funkcióval, vagy akár több csomag is elérhető a GItHubon. Az R-csomagok Githubból történő telepítéséhez a DevTools csomagot kell használnia. Tegyük fel. A robotok esetében a vimag csomag három könyvtárat tartalmaz: libcurl4-gnutils-dev, libxml2-dev és install libssl-devc:
sudo apt-get -y install libcurl4-gnutls-dev libxml2-dev libssl-dev
Most telepítheti a devtools-t. Ne felejtsük el, hogy be kell állítani az összes koristuvachіv jak élelmiszerben.
sudo su - -c "R -e \" install.packages ('devtools', repos = 'http: //cran.rstudio.com/') \ ""
A devtools kölcsön telepítése kіlkka hilin.
R-csomagok telepítése a GitHubból
Most, ha a DevTools telepítve van, bármelyik csomagot telepíthetjük a GitHubból az install_github () függvénnyel. Hasonlóképpen, a CRAN telepítésénél a csapat hibás volt a szuperlevelezőben, hogy egyezséget kötött az összes rendőrrel. Próbáljuk meg telepíteni a shinyjs-t a GitHubból, amely elhozza a funkcionalitást a fényes csomaghoz. A GitHubon található csomagot a szerző indította el, és a neve:
sudo su - -c "R -e \" devtools :: install_github ('daattali / shinyjs') \ ""
Tekintsük felül az összegabalyodott shinyjs telepítés helyességét. R futtatás:
Próbálja ki ezt a shinyjs kiegészítőt:
> Könyvtár (shinyjs)
Azt is tudja, hogyan kell bezárni az R tolmácsot:
> Q (mentés = "nem")
támadó kroki
Most egy működő MOVI R tolmács van telepítve a számítógépére.
Változás beállításához (például x) és az érték használatához (például -1234) csak be kell írnia az x = 1234 parancsot. Most minden viras esetén automatikusan az 1234 értékre cserélődik.
A változás jelentésének megismerése, a változás nevének és a jelentés R típusának megadása. Így fogod látni:
> X = kétezerkét harminc chotiri
> x
1234
Vegyen fel egy új jelentést, választhat egy régi jelentést, hogy egy tervezési típust használjon
> A = 5
> a
5
> A = a + 3
> a
8
A nemesség számára fontos, hogy a varázslók nevei mindkét anyakönyv latin betűiért bosszút állhassanak, a székszámokból és a székek jeleiből (például mondjunk ilyen neveket: a, x, x1, a_x, O_o, a_Változó_hosszú_x436-tal Az első szimbólummal az obovyazkovo buty betű a bűnös! Nareshty, jelentésregiszter, tehát RainForest és RainForest - a változások ára.
Vektori, mi a helyzet a jak pratsyuvati-val a tiszteletadásokkal?
Mik a vektorok R-ben?
Tegyük fel, hogy van egy 5 fős csoportunk, és gondoskodnunk kell róluk. A télből például ötöt lőhetsz
> Kor_1 = 25
> Kor_2 = 20
> Életkor_3 = 9
> Életkor_4 = 44
> Életkor_5 = 37
Könnyű azonban egy változtatást bevinni a jakba, mind az 5 értéket. Az ilyen tribute-sorozatot, amelyet egy im'yam egyesít, éneklési sorrendben kell felvenni - a tiszteletadások egész sorát vagy egy vektort.
Hozzárendelés ("életkor", c (25,20,9,44,37))
gyorsnak: kor
Mostantól egy bőrbarát elemet a sorszáma alapján is meg lehet rontani, például egy negyedelemet így vághatunk ki:
> kor
44
Az ilyen kiegészítő elemekkel ugyanazokat a műveleteket forgathatja, beleértve a nagyon speciális számokat is.
Az append függvény, mit szólnál egy elem hozzáadásához egy futó vektorhoz?
Igaz, a mi csoportunkban van még egy ember, például 31 rubel. Újra létrehozhatjuk a korvektort, és most hat elemmel ötöt helyettesíthetünk. A legjobb módszer azonban az append függvény használata:
> Hozzáfűzés (életkor, 31)
25 20 9 44 37 31
Tisztelem, beilleszthetett volna egy kulcsértéket, ha kitalálta a c () függvényt:
> Hozzáfűzés (életkor, c (31,33,35))
25 20 9 44 37 31 33 35
Ezenkívül a függvény lehetővé teszi, hogy az after paraméter segítségével bármilyen vektorba beszúrjon egy elemet. A = hosszúság (x) utáni érték az umovchannyamhoz van beállítva, így az elemek a végére kerülnek hozzáadásra. Az ale megengedhető, egy másikhoz szeretném beszúrni a söröző embereinket:
> Hozzáfűzés (életkor, 31, után = 2)
25 20 31 9 44 37
Műveletek vektorokkal, hogyan lehet vektorokkal dolgozni?
A vektor minden elemét egy órán keresztül működtetheti. Tehát a számnak a vektorhoz való hozzáadása egyenlő a számnak a vektor bőreleméhez való hozzáadásával. Például nyerhetsz, több tucat sziklás élet után, miután a fenekünkből megélted a férfi bőrét, így nőhetsz:
> Életkor / 10
2.5 2.0 0.9 4.4 3.7
A hajtogatáshoz hasonlóan a kb. bekezdésben leírt műveletek és műveletek
Hogyan rajzolsz vektorokat, vektorelemeket?
Megengedhető, hogy több vektort (ne legyenek egyidősek) kell több egyes számhoz használni (például a kis rezgésünk miatt). R egy bőrelemre, mondjuk, ha belegondolsz, akkor IGAZ (igaz) vagy HAMIS (nem igaz).
> kor
25 20 31 9 44 37
> Életkor> = 18
IGAZ IGAZ HAMIS IGAZ IGAZ
Vagy tudod, hogyan lehet kijavítani például egy nézetet, miért kell az összes elemet észben tartani? Mi a helyzet a chi є vzagal elemekkel, milyen elmékkel? Sok győztes két függvény esetében láthatóan az összes () és bármely ()
mind (x1, x2, ..., xn) - válasz az ételre, miért igaz, hogy mindenki azt gondolja (x1, x2, ... і xn) ірні? tehát logikus üzlet. például:
> Mind (életkor> = 7, életkor IGAZ
#Diyno, minden viprobovanі nem fiatal hét és hatvannál fiatalabb
> Minden (életkor> = 18, 1> 0)
HAMIS
# Ha egyet akarsz, a nullánál többet, a gyerekeink közepe є egy kilenc, ez nem igaz
tetszőleges (x1, x2, ..., xn) - a válasz az ételre, miért akarnak az elmék (x1, x2, ..., xn) egyet? hogy az egész logikai disz'junkció az. csikk:
> Bármilyen (életkor> = 18, 1> 0)
IGAZ
Nareshty, elválaszthatsz két vektort magad között. De az egészre szükség van, mert a nagy bikának az emelés összege a kicsi, az emelés összegének többszöröse. feltenni:
> A> a> b
HAMIS HAMIS HAMIS IGAZ IGAZ
Hogyan állítsuk be az utolsó számot?
- operátor:
- seq (from, to, by, long, along) - élettartam vége, javítva from from, ending to by by. Beállíthat egy sort a hossz paraméterrel, vagy módosíthatja a következő vektorral. Érvek: from, to, by, long, ment (ilyen dovjini jak...)
- rep (a, alkalommal, mindegyik) - ismételje meg a vektort a-szor, vagy minden alkalommal, amikor a bőrelemet a. Érvek: vektor, idők, mindegyik
Sortuvannya
- sort (v, növekvő) - sortє vektor v; növekszik - logikus, igaz - növekedéssel, hamis - csökkenéssel, helyettesítheti növekedés = csökkenés;
- rendelés ()
Az egyik R lépés a könnyedség, amely lehetővé teszi a gyorsítást a párhuzamos programmenetekkel a gyorsított számításhoz. Rengeteg új statisztikánk áll rendelkezésünkre, hogy a decilk gépeken (még nagyobb léptékkel és gyorsítással) hogyan lehet több processzoron vagy magon elindítani a funkciókat, mielőtt elindulnánk.
Önmagában az R nem jelöli a párhuzamos számításokat. Nyomunak sok tehetetlen párhuzamos konstrukciója van, elérhető koristuvachev... Szerencsére zavdannya obrobki danih, a kiadás néhány, a legtöbb győztes R, még jobb, ha megy egy párhuzamos program, és є számos vidminnyh könyvtárak, ár vicoristovuyut. A három fő út tengelye a párhuzamosok áthaladásai mentén száguld, így vannak könyvtárak:
- Csatlakoztasson több párhuzamos könyvtárat, például Intel BLAS-t(Elérhető Linuxon, OS X-en és Windowson a Microsoft R Open disztribúciós készlet részeként). Nem szabad megengedni a már győztes könyvtárak párhuzamos verziókkal való helyettesítését, amelyeknél megtagadja a gyorsulást (egyes alkalmazottaknál, például az lm () / glm ())) lineáris algebrából linkelve.
- A párhuzamosításhoz készítsen másolatot a modellgyárról R-vel a könyvtárban... Tse stratégiák, mint vikoristovuyut az ilyen rendszerek: rx metódusok RevoScaleR (most Microsoft Open R), h2o módszerek a h2o.ai, RHadoop.
- Győzelem, hogy az R párhuzamos segédprogramja függvényeket futtasson a többi R példán... Tsia stratégia az "Egy kis bevezetés párhuzamos programokban az R-en" és számos, párhuzamosan alapuló könyvtár. Valójában a wiklik eljárásának végrehajtási folyamata aljzaton vagy hálózaton keresztül.
A harmadik pidhid jelentése látható.
Valójában a harmadik lépés még részletesebb az eljárás wiki részleteiben. Szem előtt kell tartani a kódmásolatok és a visszafelé tartó folyamatok adatainak átadását és az eredmények forgatásának kezdetét. Undorító két kis épületre menni, de nyilvánvaló - ésszerű számú közepes vagy nagy épületre. Számos további könyvtár használható a Python többszörös feldolgozásához, így egy gépről egy fürtszámra léphet.
Az egész módszer lehet kevésbé hatékony és kevésbé összehajtható, de a memóriafoglalás módszerei az objektum átvitele helyett könnyebben bővíthetők a technológia egy gépről láncra ("klaszter számítás"). Önszabályozható az R kiegészítő kódja a teljes stattyban (egy gépről egy klaszterre való áttérés a rendszerek / sövény / biztonság numerikus problémáival, és ezek kezelhetők).
Tudni fogja az összes R kódot a statty előtt. Illetve átírhatod, hogyan tudod beállítani az ssh-t, mert van valaki, aki segít a beállításokban. Cserélje le a párhuzamos fürt elindítását a "parallelCluster<- parallel::makeCluster(parallel::detectCores()) ” сделайте следующее.
Szerezd meg azon gépek címeinek listáját, amelyekhez az ssh-t használhatod. Az ár egy összehajtható alkatrész, az operációs rendszerből lerakható, és segít is, ha korábban nem zavarta. A legtöbb alkalmazáshoz vikorist IPv4-címeim vannak, az Amazon EC2-hez pedig az egyetemek nevei.
Van egy listám a következőkről:
- Az én autóm (fő): "192.168.1.235", "johnmount"
- Az Ön gépe Win-Vector LLC: "192.168.1.70", "johnmount"
Tisztelendő szörnyeteg, nem választunk ki jelszavakat, nem engedélyezzük a helyes "authorized_keys" és fogadási kulcsokat minden gép ".ssh" konfigurációjában. Nazivatáljuk az autót, hogy „elsőként” tudjon beszállni az egészbe.
Obov'yazkovo varto próbálja ki az összes címet az "ssh"-ből a terminálban tim előtt, mint a vikoristovuvati vyh az R-ben. Ezenkívül a gépek címei, amelyek szintén "eredetiek", felelősek a robotgépek korábbi címeiért ( így lehetetlen vikoristovuvat "localhost", ha a gép nincs csatlakoztatva "Primordial"). Próbáld ki a kézi ssh-t az eredeti és az eredeti gépek között, illetve a zorotny bikban, amihez a beállításokat az R-ben lehet konfigurálni.
Ha a rendszerbeállítások elmaradnak, az R-en lévő rész így fog kinézni. Indítsa el a klasztert:
Elsődleges<- "192.168.1.235" machineAddresses <- list(list(host=primary,user="johnmount", ncore=4), list(host="192.168.1.70",user="johnmount", ncore=4)) spec <- lapply(machineAddresses, function(machine) { rep(list(list(host=machine$host, user=machine$user)), machine$ncore) }) spec <- unlist(spec,recursive=FALSE) parallelCluster <- parallel::makeCluster(type="PSOCK", master=primary, spec=spec) print(parallelCluster) ## socket cluster with 8 nodes on hosts ## ‘192.168.1.235’, ‘192.168.1.70’
-tól és mindentől. Mostantól futtathatja funkcióit a matricagépek matricamagjain. A megfelelő embereknek іstotnim... Kezdje el a nap egy kis áttekintését krokodilról krokfokkal: csak írjon egy egyszerű "hello world"-t a fürtre, majd változtassa meg projektjei verzióját helyileg, és csak akkor, ha a robotot átviszi a fürtbe.
Ennek első módja az R-ben lévő fürtökkel. Most először ismerjük az R verziót előre csomagolt Rmpi- és hócsomagokkal. A jobb részhez a Kasper Deniel Hansen által szerkesztett R HSPCC buildet javaslom. A szerelési útmutató tengelye
Az R-ben két egyszerű módszer létezik az adatok párhuzamos feldolgozására. Az első, amely egy többmagos vikorista csomag, amelyet egy egyetemen lévő processzorok kötnek össze. Komoly rövid távú szeretnék lenni, sőt, erős frusztrációvá válhat, a folyamatok közötti interakciók egy része napirenden lesz. Egy másik lehetőség a hócsomag használata, amely lehetővé teszi az MPI alklaszter (egyetemek közötti transzfer interfész) használatát.
Vikoristannya decilkokh magok az egyetem közepén
A többmagos csomag még hatékonyabb a gyorsított egyszerű alkalmazásokban, amelyek egyszerre több processzormagot tartalmaznak. A Yogo könnyen megjavítható és gyorsan megvalósítható.
Reprodukálja a folyamatokat a fürt egyetemein a decilcom processzorokkal a következő parancs beírásával:
QRsh -l mcmc -pe helyi 10-12
Barátságos tisztelet, itt 10-12 processzort fogunk bekapcsolni egy egyetemen az mcmc-ben. Az elérhető kernelek számát az R-ben elérhető téli NSLOTS fejlesztésben a következő parancs segítségével lehet megcsodálni:
As.integer (Sys.getenv ("NSLOTS"))
Közelgő Croc – indítsa el az R-t, és adjon hozzá többmagos könyvtárat. Nareshti, lehetséges folytatni a győztes mclapply parancsot a lapply helyére az R-ben (számos győztes kernel átvitele, mint például az mc.cores argumentum).
Vikoristannya hó mіzh decіlkoma egyetemeken
Alul – utasítások egy egyszerű seggre, mint az R-ben az MPI-fürt felvételéhez és egy fürt egyszerű számokhoz.
Egy 12 egyetemet (magot) tartalmazó MPI-klaszter indításához be kell írnia a következőket:
Qrsh -V -l cegs -pe orte 12 / opt / openmpi / bin / mpirun -np 12 ~ hcorrada / bioconductor / Rmpi / bstRMPISNOW
A csapat feladata 12 R-példa elindítása, amelyek közül az egyik lesz az első. Beast to tisztelet, a kiindulási folyamat a buv a cegs. Ezután a help mpirun mögött állva regisztrálhat az egyetemekre, ehhez írja be az R betűt:
Cl<- getMPIcluster()
Ezután bepillanthat, és gyorsan használhatja a hó parancsokat. mellesleg,
ClusterCall (cl, függvény () Sys.info ())
látni fogja a klaszterben lévő egyetemek listáját (pontosabban 11 működő egyetemet). van egy lista az elérhető parancsokról.
Ha a klaszteren lévő szám elkészült, az egyetemet egy támadó paranccsal kell bezárni:
StopCluster (cl)
Továbbítás: felvidít, hiszen nem hagytad ki az R folyamatokat a Ctrl + C billentyűkombináció rohama ellen. A hóval is megoldhatod a problémákat.
Butt: az utolsó és párhuzamos feldolgozás beállítása
> f.hosszú<-function(n) { + xx<-rnorm(n) + log(abs(xx))+xx^2 + } #Использование multicore ############ >system.time (mclapply (rep (5E6,11), f.long, mc.cores = 11)) felhasználói rendszer eltelt 26,271 3,514 5,516 # Vikoristannya snow via MPI ##############> rendszer . idő (sapply (rep (5E6,11), f.long)) felhasználói rendszer eltelt 17,975 1,325 19,303> system.time (parSapply (cl, rep (5E6,11), f.long)) felhasználói rendszer eltelt 4,224 4,113 8,338Tisztelendő állat, a feldolgozás párhuzamos a hóval, és a fényezés több mint 50%-a számítási óránként. Ha szeretné megengedni azt a pótlékot, hogy a polírozási arány 10/11 = 91%, fontos észben tartani, hogy a processzorok nem feltétlenül ugyanazon az egyetemen helyezkednek el, de az egyetemek közötti interakció átadható mindenki. A Tsya vzaєmodіya mindenki számára használható, a többmagos eljárás új 40%-os polírozás nélkül egy óra számításig tart.
Nyilván az emlékezés érzése, hogy a klaszterben egynél több egyetem van a számolás órájában a legfontosabb világban lévő klaszter egyik egyetemétől, egy órára el lehet menni különböző egyetemekre. Természetesen érdemes szem előtt tartani a számítást és a megvalósítás módját.
