社区首页 >问答首页 >在并行处理中，有多少核是最优的？

问在并行处理中，有多少核是最优的？
EN

Stack Overflow用户

提问于 2017-03-06 08:31:20

回答 1查看 2.2K关注 0票数 5

假设我有一个8核心CPU。在R中使用doParallel，当我注册makeCluster(x)时，理想的核数x是多少？

有尽可能多的核心吗？还是使用7个核心比使用6个核心要慢？关于这件事有什么规定吗？

doparallel

parallel-processing

回答 1

Stack Overflow用户

发布于 2019-02-12 07:44:27

正如评论中所述，核心的最佳数量取决于手头的任务，但您可以自己找出。初始化7个不同的集群并对结果进行基准测试。我不会用所有8个核心，所以在你的情况下，7应该是最大的。

这里有一个小的“愚蠢”模板，其中的并行化没有意义，因为简单的parallelization版本要快得多，因为发送到内核的开销大大降低了性能。

无论如何，插入你想要优化的代码，四处游玩，找到完美的设置;)

require(parallel)
cl2 = makeCluster(2)
cl3 = makeCluster(3)
cl4 = makeCluster(4)
cl5 = makeCluster(5)
cl6 = makeCluster(6)
cl7 = makeCluster(7)

library(microbenchmark)
mc <- microbenchmark(times = 100,
                     noPa = {
                       res = sapply(mtcars, mean, na.rm = TRUE)
                     },
                     cor2 = {
                       res = parSapply(cl2, mtcars, mean, na.rm = TRUE)
                     },
                     cor3 = {
                       res = parSapply(cl3, mtcars, mean, na.rm = TRUE)
                     },
                     cor4 = {
                       res = parSapply(cl4, mtcars, mean, na.rm = TRUE)
                     },
                     cor5 = {
                       res = parSapply(cl5, mtcars, mean, na.rm = TRUE)
                     },
                     cor6 = {
                       res = parSapply(cl6, mtcars, mean, na.rm = TRUE)
                     },
                     cor7 = {
                       res = parSapply(cl7, mtcars, mean, na.rm = TRUE)
                     }
); mc

stopCluster(cl2);stopCluster(cl3);stopCluster(cl4);
stopCluster(cl5);stopCluster(cl6);stopCluster(cl7)

单位:微秒扩展最小lq均值uq内维尔noPa 77.370 77.370 94.4365 101.5475 131.983 100 cor2 713.388 804.1260 947.56529 836.553 887.4680 7178.812 100 cor4 1027.4145 5343.576 100 cor4 877.797 1046.7570 1194.51996 1077.761 1132.45 7028.057 cor5 1032.535 1139.2015 1303.64424 1190.686 1241.3170 8148.199 100 cor6 1141.761 1222.5430 1438.18655 1261.797 1339.1655 10589.302 100 cor7 1269.192 1345.4240 1586.03513 1399.468 1487.3615 10547.204 100

在这里有一个例子，在这个例子中，并行化很有意义。根据结果，7个核心将是最快的解决方案。如果你在你自己的机器上运行它，并且想做它旁边的其他事情，我会使用4个内核，因为时间是可比的，并且机器没有在最大容量下工作。

library(lme4)
f <- function(i) {
  lmer(Petal.Width ~ . - Species + (1 | Species), data = iris)
}

library(microbenchmark)
mc <- microbenchmark(times = 3,
                     noPa = {
                       res = sapply(1:100, f)
                     },
                     cor2 = {
                       res = parSapply(cl2, 1:100, f)
                     },
                     cor3 = {
                       res = parSapply(cl3, 1:100, f)
                     },
                     cor4 = {
                       res = parSapply(cl4, 1:100, f)
                     },
                     cor5 = {
                       res = parSapply(cl5, 1:100, f)
                     },
                     cor6 = {
                       res = parSapply(cl6, 1:100, f)
                     },
                     cor7 = {
                       res = parSapply(cl7, 1:100, f)
                     }
); mc

单位:毫秒内平均uq 1925.2889 1964.9473 2169.9294 2004.6057 2292.250 2579.894 3 cor2 1501.8176 1591.5596 1722.1834 1681.3015 1983.431 3 cor3 1097.4251 1188.6271 1345.1643 1279.8291 1469.034 1658.239 3 cor4 956.9829 1007.6607 1302.2984 1058.3384 1474.9561891.574 3 cor5 1027.5877 1872.35012379.9384 2717.1125 3056.114 3395.115 3 cor6 1001.2572 1048.8277 1217.5999 1096.3983 1325.771 1555.144 3 cor7 815.2055 945.7555 996.3841 1011.030 1025.677 3

票数 2

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/42630753

复制

FileNotFoundException：xxx(系统找不到指定的路径)

java bug 后端

这次是有个两年前的项目吧，不知道为什么无法启动了。中间迭代了多个版本，现在另一个同事接手了，领导让看一下。因为时间间隔过长，问题处理比较费劲。其中有的是配置问题，比较好解决。

你可以叫我老白

2023/07/21

5530