snow包

snow包主要運行于傳統的集群計算。它主要用于蒙特卡洛模擬（Monte Carlo simulations），boostrapping，交叉驗證（cross validation），集成機器學習算法（ensemble machine learning algorithms）和K均值聚類（K-Means clustering）等，并且也很好支持并行隨機數的生成。 snow包的安裝一般應用install.packages('snow'). 要使用snow包進行并行運算，首先要創建一個集群對象，主要用于與內核的交互，一般傳遞與snow包中函數的第一個參數。 基本的集群創建函數為makeCluster()，它能創建任何類型的集群，例如，在本地機器上創建一個4核的集群：

第一個參數為集群設定，即設定使用的CPU數；第二個參數是集群類型。 注意：在結束集群時使用stopCluster()。 下面使用snow包做一個并行運算。

并行運算K均值聚類

數據是MASS包自帶的Boston數據集。 K均值函數使用stats包中的kmeans()。

在使用并行計算前，首先看看使用lapply函數的運行情況

使用clusterApply并行計算

相比較clusterEvalQ而言，clusterCall更好用，它的第一個參數為集群對象，第二個參數為一個函數，并且其他的參數可以傳遞給這個函數。最終返回一個列表。

clusterCall函數可以調用多個包，

character.only=TRUE是使library把參數解釋為字符向量，否則library會重復載入名稱為p的包。

使用clusterApplyLB并行運算

clusterApplyLB與clusterApply函數相似，但clusterApplyLB的運行效率更高。在使用clusterApply并行運算時，如果每一個內核花費不同的時間進行運算，那么在那個運行時間長的內核結束之前，運行時間短的內核不能進行下一次運算，而clusterApplyLB不同，它是在運行時間短的內核結束之后接著就運行下一次的運算，這樣就減少了時間的浪費，因此提高了效率。 為了說明clusterApplyLB的效率，我們使用控制任務時間長度的函數Sys.sleep。用snow.time收集整個執行過程的時間信息。

作為對照，我們用clusterApply函數來觀察運行時間

由此看出clusterApplyLB效率更高。

使用parLapply并行運算

parLapply是snow包中的一個高級函數，它比clusterApply函數更高效，如果參數x的長度與內核的數量相等，parLapply的優勢不明顯，如果參數x的長度遠大于內核的數量，parLapply相比于clusterApply是一個更好的選擇。 應用一個并行休眠函數的用法，首先使用clusterApply

由圖看出并不高效，因為有大量的輸入輸出時間，下面再試一試clusterApplyLB：

由上圖看出，運算集中在第1、2和3個內核上，第4個內核上運算的時間非常少，及運算效率差，但總體還是比clusterApply函數要好一些。 看看最終的函數parLapply：

由此看出，傳輸交換的時間大大縮短了，因此提高了效率。

參考文獻 $$參考文獻$$ 1. Luke Tierney, A. J. Rossini, Na Li, H. Sevcikova, package snow. 2. Q. Ethan McCallum and Stephen Weston, Parallel R.