Snow
Les calculs statistiques qui exigent des longues procédures, peuvent être accéléré de manière significative en utilisant plusieurs ordinateurs en parallèle.
Le package «snow» (Simple Network Of Workstations) nous donne la possibilité d'avoir un cluster de postes de travail pour les calculs parallèles dans R.
Lancer le script Snow au DMS
- Ouvrez un terminal
- Taper la commande suivante: makeKey.sh (ceci est pour empêcher le SSH de vous demander votre mot de passe à chaque fois que vous tentez de vous connecter à d'autres machines du réseau)
- Répondez par «y» à la question suivante :
Generating public/private rsa key pair. /home/bayani/.ssh/id_rsa already exists. Overwrite (y/n)?
- Faites juste «Enter» lorsque vous voyez :
Enter passphrase (empty for no passphrase):
- De nouveau faites juste «Enter» lorsque vous voyez :
Enter same passphrase again:
- Lancer R, en tapant :
/usr/local/stat/R/R-3.0.0/bin/R
Exemple explicatif
Dans l'exemple suivant, on fait des calculs de deux manières. La première fois, on lance les calculs sur la machine qu'on est présentement; par la suite on fait la même chose sur plusieurs CPUs (ex. nbcpus <- 10, 15, 20 ou 80). Une fois dans R, tapez les commandes suivantes :
require(snow)
myfunc <- function(M=1000) {
decision <- 0
for (i in 1:M) {
x <- rnorm(100)
if (shapiro.test(x)$p < 0.05) decision <- decision + 1
}
return(decision)
}
system.time({
M <- 6000000
decision <- myfunc(M)
print(decision/M)
})
# Temps de calcul: 814s
nbcpus <- 10
cpus <- strsplit(system(paste("snowdms.sh ",nbcpus),intern=TRUE),split=" ")[[1]]
system.time({
cl <- makeCluster(cpus, type = "SOCK")
clusterSetupSPRNG(cl)
M <- 6000000
out <- clusterCall(cl, myfunc, round(M/nbcpus))
stopCluster(cl)
decision <- 0
for (cpus in 1:nbcpus) {
decision <- decision + out[[cpus]]
}
print(decision/(round(M/nbcpus)*nbcpus))
})
# Avec nbcpus <- 80: 58s
# Avec nbcpus <- 20: 70s
# Avec nbcpus <- 15: 84s
# Avec nbcpus <- 10: 111s
Remarque Des messages tels que :
The authenticity of host 'leopard (132.204.53.53)' can't be established. RSA key fingerprint is a6:a3:80:c8:52:22:d8:de:be:5a:d8:f4:04:cf:2c:01. Are you sure you want to continue connecting (yes/no)?
peuvent apparaître. Il faut alors répondre par «yes». Ces messages n'apparaitont qu'une seule fois (pour une machine donnée).
Nombre de CPUs
Le rendement en terme du temps de calculs dépende du type du processus que vous allez lancer sur les machines. On voit dans l'exemple que plus de CPUs qu'on utilise plus vite les calculs iront. Mais, il faut faire attention avec le fait que dépendamment du type de calculs qu'on va faire ceci change. Il ne faut pas oublier que l'envoi des calculs sur plusieurs CPUs prend du temps, alors il faut que votre processus vaille le coup d'être envoyer sur plusieurs CPUs(c.-à-d. votre programme est bien parallélisable). Sinon, c'est mieux de lancer un programme qui est pas trop grand sur une seule machine.
Exemple de tous les jours : Disons qu'on veut écrire une lettre de deux lignes. À la place de l'écrire, vous vous déplacer 3 étages du Pavillon André-Aisenstadt pour aller voir votre ami au troisième étage pour lui demander de l'aide. Pendant ce temps-là vous auriez pu avoir déjà écrit votre lettre de deux lignes. Mais, par exemple si vous avez une lettre de 10 page à écrire, en ce moment-là cela vaut la peine de se déplacer trois étages pour allez demander de l'aide à son ami.