CRAN 任务视图:R 的高性能和并行计算

维护者Dirk Eddelbuettel
联系方式Dirk.Eddelbuettel at R-project.org
版本2024-01-29
URLhttps://CRAN.R-project.org/view=HighPerformanceComputing
源代码https://github.com/cran-task-views/HighPerformanceComputing/
贡献欢迎对本任务视图提出建议和改进,可以通过 GitHub 上的问题或拉取请求,或通过电子邮件发送给维护者地址。有关更多详细信息,请参阅 贡献指南
引用Dirk Eddelbuettel (2024). CRAN 任务视图:R 的高性能和并行计算。版本 2024-01-29。URL https://CRAN.R-project.org/view=HighPerformanceComputing.
安装可以使用 ctv 包自动安装本任务视图中的包。例如,ctv::install.views("HighPerformanceComputing", coreOnly = TRUE) 安装所有核心包,或 ctv::update.views("HighPerformanceComputing") 安装所有尚未安装和更新的包。有关更多详细信息,请参阅 CRAN 任务视图计划

本 CRAN 任务视图包含一个按主题分组的包列表,这些包对于使用 R 进行高性能计算 (HPC) 很有用。在此背景下,我们将“高性能计算”定义得比较宽泛,几乎涵盖了与推动 R 更进一步相关的任何内容:使用编译代码、并行计算(显式和隐式模式)、处理大型对象以及分析。

除非另有说明,否则所有带有超链接的包均可从 综合 R 档案网络 (CRAN) 获取。

本任务视图中讨论的几个领域正在快速发展。请通过电子邮件向维护者发送有关添加和扩展本任务视图的建议,或在上面链接的 GitHub 存储库中提交问题或拉取请求。有关详细信息,请参阅 贡献页面,该页面位于 CRAN 任务视图 存储库中。

感谢 Achim Zeileis、Markus Schmidberger、Martin Morgan、Max Kuhn、Tomas Radivoyevitch、Jochen Knaus、Tobias Verbeke、Hao Yu、David Rosenberg、Marco Enea、Ivo Welch、Jay Emerson、Wei-Chen Chen、Bill Cleveland、Ross Boylan、Ramon Diaz-Uriarte、Mark Zeligman、Kevin Ushey、Graham Jeffries、Will Landau、Tim Flutre、Reza Mohammadi、Ralf Stubner、Bob Jansen、Matt Fidler、Brent Brewington 和 Ben Bolder(以及其他我可能忘记添加的人)的建议和更正。

ctv 包支持这些任务视图。它的函数 install.viewsupdate.views 分别允许安装或更新来自给定任务视图的包;选项 coreOnly 可以将操作限制在下面标记为核心的包。

R 中的直接支持始于 2.14.0 版本,该版本包含一个新的包 parallel,该包包含(略微修改后的)multicore 和 snow 包的副本。某些类型的集群不受基本包“parallel”的直接处理。但是,正如包说明文档中所解释的那样,parallel 中提供 snow 类函数的部分将接受 snow 集群,包括 MPI 集群。使用 vignette("parallel") 查看包说明文档。parallel 包还包含对 L’Ecuyer 等人 (2002) 提出的多个 RNG 流的支持,支持 mclapply 和 snow 集群。为 R 2.14.0 发布的版本包含基本功能:更高层的便利函数计划在以后的 R 版本中发布。

并行计算:显式并行

并行计算:隐式并行

并行计算:网格计算

并行计算:Hadoop

并行计算:随机数

并行计算:资源管理器和批处理调度程序

并行计算:应用

并行计算:GPU

大内存和内存外数据

Easier interfaces for Compiled code

Profiling tools

Packages profvis, proffer, profmem, GUIProfiler, proftools, and aprof summarize and visualize output from the Rprof interface for profiling. The profile package reads and writes profiling data and converts among file formats such as pprof by Google and Rprof. The xrprof command-line tool implements profile sampling for a given R process on Linux or Windows, and it can profile R code alongside compiled code.

CRAN packages

核心Rmpisnow.
常规aprof, arrow, batch, BatchExperiments, BatchJobs, batchtools, BDgraph, biglm, bigmemory, bigstatsr, bnlearn, caret, clustermq, condor, crew, data.table, dclone, disk.frame, doFuture, doMC, doMPI, doRNG, doSNOW, dqrng, drake, ff, flexiblas, flowr, foreach, furrr, future, future.apply, future.batchtools, future.callr, gcbd, GPUmatrix, GUIProfiler, h2o, HistogramTools, inline, keras, LaF, latentnet, Matching, mirai, MonetDB.R, mvnfast, nanonext, nlmixr2, OpenCL, orloca, parallelly, parSim, pbapply, pbdMPI, peperr, pls, proffer, profile, profmem, proftools, profvis, pvclust, qsub, randomForestSRC, Rborist, Rcpp, RcppParallel, reticulate, rgenoud, RhpcBLASctl, RInside, rJava, rlecuyer, RProtoBuf, rslurm, rstream, rxode2, rxode2random, Sim.DiffProc, sitmo, snowfall, snowFT, sqldf, ssgraph, targets, tensorflow, tfestimators, tm, varSelRF, xgboost.

相关链接

其他资源