Question

我正在测试parLapplyLB()函数，以了解它在平衡负载方面的作用。但我没有看到任何平衡发生。例如，

cl <- parallel::makeCluster(2)

system.time(
  parallel::parLapplyLB(cl, 1:4, function(y) {
    if (y == 1) {
      Sys.sleep(3)
    } else {
      Sys.sleep(0.5)
    }}))
##   user  system elapsed 
##  0.004   0.009   3.511 

parallel::stopCluster(cl)

如果它真正平衡了负载，那么睡眠3秒的第一个作业（作业1）将在第一个节点上，而其他三个作业（作业2：4）将在总共1.5秒内休眠其他节点。总的来说，系统时间应该只有3秒。

相反，我认为作业1和2被赋予节点1，作业3和4被赋予节点2.这导致总时间为3 + 0.5 = 3.5秒。如果我们使用parLapply()而不是parLapplyLB()运行上述相同的代码，我们将获得大约3.5秒的相同系统时间。

我不理解或做错了什么？

Answer 1

注意：自R-3.5.0以来，OP注意到的行为/错误已在下面解释。正如R＆＃39 {s} NEWS文件中所述：

* parLapplyLB and parSapplyLB have been fixed to do load balancing
  (dynamic scheduling).  This also means that results of
  computations depending on random number generators will now
  really be non-reproducible, as documented.

原始回答（现在仅与R版本相关＆lt; 3.5.0）

对于像你这样的任务（就此而言，对于任何我需要的任务并行）parLapplyLB并不是真正合适的工具为了工作。要了解其原因，请查看其实施方式：

parLapplyLB
# function (cl = NULL, X, fun, ...) 
# {
#     cl <- defaultCluster(cl)
#     do.call(c, clusterApplyLB(cl, x = splitList(X, length(cl)), 
#         fun = lapply, fun, ...), quote = TRUE)
# }
# <bytecode: 0x000000000f20a7e8>
# <environment: namespace:parallel>

## Have a look at what `splitList()` does:
parallel:::splitList(1:4, 2)
# [[1]]
# [1] 1 2
# 
# [[2]]
# [1] 3 4

问题在于它首先将其作业列表拆分为相等大小的子列表，然后在节点之间分配，每个节点在其给定的子列表上运行lapply()。所以这里，你的第一个节点在第一个和第二个输入上运行作业，而第二个节点使用第三个和第四个输入运行作业。

相反，请使用功能更为通用的clusterApplyLB()，其效果与您一样：

system.time(
  parallel::clusterApplyLB(cl, 1:4, function(y) {
    if (y == 1) {
      Sys.sleep(3)
    } else {
      Sys.sleep(0.5)
    }}))
# user  system elapsed 
# 0.00    0.00    3.09

Answer 2

WHERE parent_id > 0没有平衡负载，因为它有语义错误。我们发现了该错误并提供了修复程序，请参阅here。现在，它由R开发者包括修复。

为什么parLapplyLB实际上没有平衡负载？

2 个答案: