R语言中的并行计算——二、搭建R的集群

时间:2022-06-24 18:37:23

zhuanzai :http://blog.sina.com.cn/s/blog_83bb57b70101qeys.html

一直纠结于R的大数据计算问题,希望可以找到一个彻底的方案解决它。而云服务器当然是解决这个问题的最佳方案,所以,至少从这方面入手。

R的云服务器部署有两种解决方案,一种是使用R语言的并行计算,另外一种是使用RHadoop框架。
RHadoop框架其实就是M / R 算法的R语言实现,需要使用者有M / R的计算基础,和R语言平常使用的计算方式有很大的不同,因此,我采用的解决方案是搭建R 的并行计算集群。

如果对R语言的并行计算不了解的同学,可以参考我发布的这篇文章——《R语言中的并行运算》,当然例子是引用其他博客的集合成的,呵呵。

在两台IP地址不同的Linux机器上面安装好R,然后每台机器都安装snow包,最后注意一点是,需要配置ssh的免密码登录,不同的linux用户需要配置自己的免密码登录,并且,需要用到R集群的用户都需要使用自己的账户安装snow包。

以下是测试代码:

library(snow);
workerList <- list(
list(host = “192.168.1.100”, port = 10187, outfile = “~/log1.log”, rshcmd = “ssh -p 22222”),
list(host = “192.168.1.101”, port = 10187, outfile = “~/log2.log”, rshcmd = “ssh -p 22222”),
list(host = “192.168.1.101”, port = 10187, outfile = “~/log3.log”, rshcmd = “ssh -p 22222”)
);

cl <- makeCluster(workerList, type=”SOCK”, master=”192.168.1.100”)

stopCluster(cl);

代码解释:
1、配置每台服务器的属性
list(host = “192.168.1.100”, port = 10187, outfile = “~/log1.log”, rshcmd = “ssh -p 22222”)
服务器的配置选项如下:
名称 类型 描述 默认值
port integer R使用的集群的端口 10187
timeout integer 服务器之间链接超时时间 31536000(一年)
master string 集群主机IP(或者域名) Sys.info()[“nodename”]
type string 服务器之间连接类型 NULL
outfile string 日记输出的文件路径 NULL
user string 服务器用户名 Sys.info()[“user”]
rshcmd string SSH执行命令 ssh
rlibs string 服务器上R的安装路径 RLIBSscriptdirstringsnowrprogstringR R_HOME/bin/R
snowlib string snow安装包的路径
rscript string R脚本所在路径 $R_HOME/bin/Rscript

以上为R集群中的各个服务器的常用配置参数列表。

2、根据配置,创建R语言并行计算集群,master指明主节点,这个在我实践的过程中是必须配置的。
cl <- makeCluster(workerList, type=”SOCK”, master=”192.168.180.216”)

3、运算结束后,关闭集群机器
stopCluster(cl);