&引用;foreach“;R中的包装不能正常使用;ff";包裹
我正在研究R中有1800万条记录的数据。我的计算机没有大量可用的RAM,所以我尝试使用“ff”软件包进行补偿。为了使时间合理,我还使用了“foreach”包并并行运行该作业。我在运行“foreach”与完整数据并行时遇到问题;较小的数据组(比如前10万行)运行正常 我试图获得的是基于日期的人们价值观的滚动日平均值。我想要过去7天、28天、91天等的平均每日值。我对R比较陌生,所以我不理解它的细微差别。当我在完整数据上运行此命令时,它会在一小时后停止,并给出错误: 任务1失败-找不到对象“PersonID” 如何将“ff”包与“foreach”包一起正确使用。另外,如果有某种方法可以将数据输出到ff数据帧中,然后再输出到SQL中,那就太好了。代码如下:&引用;foreach“;R中的包装不能正常使用;ff";包裹,r,foreach,R,Foreach,我正在研究R中有1800万条记录的数据。我的计算机没有大量可用的RAM,所以我尝试使用“ff”软件包进行补偿。为了使时间合理,我还使用了“foreach”包并并行运行该作业。我在运行“foreach”与完整数据并行时遇到问题;较小的数据组(比如前10万行)运行正常 我试图获得的是基于日期的人们价值观的滚动日平均值。我想要过去7天、28天、91天等的平均每日值。我对R比较陌生,所以我不理解它的细微差别。当我在完整数据上运行此命令时,它会在一小时后停止,并给出错误: 任务1失败-找不到对象“Pers
library("ff")
library("ffbase")
library("RODBC")
myconn <- odbcConnect("NO SHOW")
data <- as.ffdf(sqlFetch(myconn, "NO SHOW"))
#data[data=="NULL"] <- NA
#persons <- unique(data$PersonID, incomparables=FALSE)
persons <- aggregate(Value ~ PersonID, data=data, FUN=length)$PersonID
rollingLength <- 7
rollingTimes <- c(7,28,91,182,364,728,100000000)
valueCol <- 6
sinceCol <- 4
func <- function(stuff,id) {
check <- subset(stuff, PersonID == id)
tempvalue <- data.frame(matrix(,nrow=nrow(check),ncol=7,byrow=TRUE))
colnames(tempvalue) <- c("value7","value28","value91","value182","value364","value728","valueLTD")
tempvalue[1,] <- c(NA,NA,NA,NA,NA,NA,NA)
rollingTrips <- c(1,1,1,1,1,1,1)
rollingSinceLast <- c(0,0,0,0,0,0,0)
startIndex <- c(1,1,1,1,1,1,1)
rollingvalues <- c(0,0,0,0,0,0,0)
rollingvalues[1:rollingLength] <- check[1,valueCol]
if (nrow(check) > 1) {
for (r in 2:nrow(check)) {
tempvalue[r,] <- rollingvalues / rollingTrips
rollingvalues <- rollingvalues + check[r,valueCol]
rollingTrips <- rollingTrips + 1
rollingSinceLast <- rollingSinceLast + ifelse(is.na(check[r,sinceCol]), 0, check[r,sinceCol])
for (c in 1:(rollingLength-1)) {
while (rollingSinceLast[c] >= rollingTimes[c]) {
rollingvalues[c] <- rollingvalues[c] - check[startIndex[c],valueCol]
rollingTrips[c] <- rollingTrips[c] - 1
rollingSinceLast[c] <- rollingSinceLast[c] - check[startIndex[c]+1,sinceCol]
startIndex[c] <- startIndex[c] + 1
}
}
}
}
return (cbind(check, tempvalue))
}
library(foreach)
library(doParallel)
cl<-makeCluster(12)
registerDoParallel(cl)
strt<-Sys.time()
outdata <- foreach(id=persons, .combine="rbind", .packages="ff") %dopar% func(data,id)
print(Sys.time()-strt)
stopCluster(cl)
sqlSave(myconn, outdata)
odbcClose(myconn)
库(“ff”)
图书馆(“ffbase”)
图书馆(“RODBC”)
myconnforeach
包的%dopar%
命令需要键值的边界。
您可以简单地拆分您的personID
。此外,还应将分区值设置为小于makeCluster()
。如果不这样做,则会得到文件。访问(文件名,0)=0不是真的。因为,您无法访问同一集群上预先保存的ff
包文件
拆分personID
示例:
split_min<-min(persons$personID)
split_max<-max(persons$personID)
partition<-12 # "partition < cluster" is good.
quart_half<-floor((split_max-split_min)/partition)
split_num<-matrix(0,partition,2)
split_num[1,1]<-split_min
split_num[1,2]<-quart_half+split_min
if(partition>=3){
for(i in 2:(partition-1)){
split_num[i,1]<-split_num[i-1,2]+1
split_num[i,2]<-split_num[i-1,2]+quart_half
}}
split_num[partition,1]<-split_num[partition-1,2]+1
split_num[partition,2]<-split_max
或者
outdata您使用的是什么操作系统foreach
在Windows上的行为与在Linux和OS X上的不同?另外,您运行的是哪个版本的R,您使用的是哪个版本的软件包?我不知道你的问题的答案,但这些信息将有助于其他试图解决你的问题的人;根据第3.1.2条的规定;3.1.2项下的ff;3.1.2下的钻头;3.1.2下的双平行;3.1.2下的迭代器
outdata <- foreach(i=1:partition, .combine="rbind", .packages="ff") %dopar% {
IDs<-subset(persons,personID>=split_num[i,1] & personID<=split_num[i,1])$personID
for(z in IDs){
func(data,z)}
}
outdata <- foreach(i=1:partition, .combine="rbind") %dopar% {
require(ff) #or require(ffbase)
IDs<-subset(persons,personID>=split_num[i,1] & personID<=split_num[i,1])$personID
for(z in IDs){
func(data,z)}
}