使用multdplyr将不同的dplyr:：mutate cols发送到不同的核心？

我有一个函数，我正在应用于不同的坐标集，以在我的tibble中创建四个新列。这个函数有相当长的启动时间（将基因组加载到RAM中，将tibble转换为GRanges，并检索序列），但速度相对较快，因此100和1000000个序列之间没有太大差异。有没有办法将

mutate

中的每个列发送到不同的核心，以便可以同时处理它们？我考虑过使用

pivot\u long

，然后使用

group

+

分区

，但这让我思考是否有其他方法来实现这一点。一种

多重变异
排序？

（在我的例子中，考虑到额外坐标的成本很小，我并不期望multipyr分区/收集能够节省时间，但是如果我能够避免旋转的时间成本（它仍然相对较小）和代码中的混乱，那就太酷了。）
我知道您正在寻找一个现有的包，但是我在上面找不到任何东西。其他类似的问题（如或）似乎也没有提供一揽子解决方案

但是，你自己解决怎么样。。。使用
furr
查看此示例

### libraries
library(dplyr)
library(furrr)

### data complaint with your example
d <- replicate(8, rnorm(100))
colnames(d) <- apply(expand.grid(letters[1:2], 1:4), 1, paste0, collapse = "")
d <- as_tibble(d)

### a function that take more than a second to finish..
long_f <- function(x1, x2){
  
  Sys.sleep(1)
  x1+x2
  
}

### multimutate!
multimutate <- function(.data, ..., .options = future_options()){
  
  dots <- enquos(..., .named = TRUE)
  .data[names(dots)] <- future_map(dots, ~rlang::eval_tidy(., data = .data, env = parent.frame()), .options = .options)
  .data
  
}


# no future strategy implemented
tictoc::tic()
d %>%
  multimutate(c1 = long_f(a1,b1), 
              c2 = long_f(a2,b2),
              c3 = long_f(a3,b3), 
              c4 = long_f(a4,b4))  
tictoc::toc()
# 4.34 sec elapsed

# future strategy
plan(multiprocess)
tictoc::tic()
d %>%
  multimutate(c1 = long_f(a1,b1), 
              c2 = long_f(a2,b2),
              c3 = long_f(a3,b3), 
              c4 = long_f(a4,b4),
              .options = future_options(globals = "long_f"))  
tictoc::toc()
# 1.59 sec elapsed

###库
图书馆（dplyr）
图书馆（Furr）
###用你的例子说明数据投诉
d我知道你在寻找一个现有的软件包，但我在上面找不到任何东西。其他类似的问题（如或）似乎也没有提供一揽子解决方案

但是，你自己解决怎么样。。。使用
furr
查看此示例

### libraries
library(dplyr)
library(furrr)

### data complaint with your example
d <- replicate(8, rnorm(100))
colnames(d) <- apply(expand.grid(letters[1:2], 1:4), 1, paste0, collapse = "")
d <- as_tibble(d)

### a function that take more than a second to finish..
long_f <- function(x1, x2){
  
  Sys.sleep(1)
  x1+x2
  
}

### multimutate!
multimutate <- function(.data, ..., .options = future_options()){
  
  dots <- enquos(..., .named = TRUE)
  .data[names(dots)] <- future_map(dots, ~rlang::eval_tidy(., data = .data, env = parent.frame()), .options = .options)
  .data
  
}


# no future strategy implemented
tictoc::tic()
d %>%
  multimutate(c1 = long_f(a1,b1), 
              c2 = long_f(a2,b2),
              c3 = long_f(a3,b3), 
              c4 = long_f(a4,b4))  
tictoc::toc()
# 4.34 sec elapsed

# future strategy
plan(multiprocess)
tictoc::tic()
d %>%
  multimutate(c1 = long_f(a1,b1), 
              c2 = long_f(a2,b2),
              c3 = long_f(a3,b3), 
              c4 = long_f(a4,b4),
              .options = future_options(globals = "long_f"))  
tictoc::toc()
# 1.59 sec elapsed

###库
图书馆（dplyr）
图书馆（Furr）
###用你的例子说明数据投诉
你能分享一下你现在所拥有的最简单的例子吗？我更想问的是，像
multi_mutate
这样的东西是否存在，而不是帮助你处理一个特定的代码块，但是肯定的。我目前所做的基本上是
d%>%突变（c1=long_f（a1，b1），c2=long_f（a2，b2），c3=long_f（a3，b3），c4=long_f（a4，b4））
其中a/b列是整数列，c列是结果字符串（基因组序列）。我可以将一个ID列和pivot_设置得更长，按ID分组，然后在组上使用传统的multdplyr分区，但如果可能的话，我更愿意避免前后旋转。似乎应该可以将每个变种发送到一个不同的核心。你能分享一个你现在拥有的最简单的例子吗？我更想问的是，是否存在类似于
multi_mutate
的东西，而不是帮助处理特定的代码块，但这是肯定的。我目前所做的基本上是
d%>%突变（c1=long_f（a1，b1），c2=long_f（a2，b2），c3=long_f（a3，b3），c4=long_f（a4，b4））
其中a/b列是整数列，c列是结果字符串（基因组序列）。我可以将一个ID列和pivot_设置得更长，按ID分组，然后在组上使用传统的multdplyr分区，但如果可能的话，我更愿意避免前后旋转。似乎应该可以将每个变异发送到不同的核心。这太神奇了！：D谢谢。根据警告，考虑到分叉的不稳定性，这看起来确实可能与Windows和/或RStudio存在兼容性问题，但它对我来说非常适合，因为我总是在Mac或Linux机器上工作。在任何情况下，我都不知道Furr，将来肯定会使用它。我在windows和future_选项上试用过它。太棒了！我一定是误解了警告。它似乎不知道从源代码脚本或包导入的函数在哪里（除非用package:：function声明）。我需要修改eval_tidy env变量吗？这不是您使用future_选项的方式。太长了，无法在此解释这太神奇了！：D谢谢。根据警告，考虑到分叉的不稳定性，这看起来确实可能与Windows和/或RStudio存在兼容性问题，但它对我来说非常适合，因为我总是在Mac或Linux机器上工作。在任何情况下，我都不知道Furr，将来肯定会使用它。我在windows和future_选项上试用过它。太棒了！我一定是误解了警告。它似乎不知道从源代码脚本或包导入的函数在哪里（除非用package:：function声明）。我需要修改eval_tidy env变量吗？这不是您使用future_选项的方式。太长了，无法在此解释