R
Es ist R, Version 2.11.1, mit folgenden Paketen installiert:
base The R Base Package
boot Bootstrap R (S-Plus) Functions (Canty)
class Functions for Classification
cluster Cluster Analysis Extended Rousseeuw et al.
codetools Code Analysis Tools for R
cubature Adaptive multivariate integration over
hypercubes
datasets The R Datasets Package
flexmix Flexible Mixture Modeling
foreign Read Data Stored by Minitab, S, SAS, SPSS,
Stata, Systat, dBase, ...
graphics The R Graphics Package
grDevices The R Graphics Devices and Support for Colours
and Fonts
grid The Grid Graphics Package
KernSmooth Functions for kernel smoothing for Wand & Jones
(1995)
lattice Lattice Graphics
MASS Main Package of Venables and Ripley's MASS
Matrix Sparse and Dense Matrix Classes and Methods
methods Formal Methods and Classes
mgcv GAMs with GCV/AIC/REML smoothness estimation
and GAMMs by PQL
modeltools Tools and Classes for Statistical Models
multcomp Simultaneous Inference in General Parametric
Models
mvtnorm Multivariate Normal and t Distributions
nlme Linear and Nonlinear Mixed Effects Models
nnet Feed-forward Neural Networks and Multinomial
Log-Linear Models
np Nonparametric kernel smoothing methods for
mixed data types
npRmpi Parallel nonparametric kernel smoothing methods
for mixed data types
Rmpi Interface (Wrapper) to MPI (Message-Passing
Interface)
rpart Recursive Partitioning
snow Simple Network of Workstations
spatial Functions for Kriging and Point Pattern
Analysis
splines Regression Spline Functions and Classes
stats The R Stats Package
stats4 Statistical Functions using S4 Classes
survival Survival analysis, including penalised
likelihood.
tcltk Tcl/Tk Interface
tools Tools for Package Development
utils The R Utils Package
Geben sie im Batchfile an: source /G/home/env/R/2.11.1Beispiel-Batchfile
#!/bin/bash #PBS -V IN=$HOME/R/Prg.r OUT=$HOME/R/rout.log source /G/home/env/R/2.11.1 R --vanilla < $IN > $OUT
Beispiel-Skript
wrapper<-function(instanz){
# Die Funktion summiert hier als Bsp nur die Zahlen auf.
# Das wird wahrscheinlich so schnell gehen, dass man das auf dem Cluster nicht sieht.
tmp <- 0="" for="" r="" in="" 1:i="" tmp="" -="" return="" nodefile="" -sys="" getenv="" pbs_nodefile="" nodes="" -read="" table="" library="" snowfall="" sfinit="" parallel="TRUE," type="SOCK" sockethosts="t(nodes))" sfexport="" variablenname1="" variablenname2="" functionsname1="" functionsname2="" alle="" variablen="" und="" funktionen="" auf="" die="" zugreifen="" k="" nnen="" m="" ssen="" result="" sfclusterapplylb="" 1:20="" wrapper="" pre="">
# Parallelisierte Version von Apply. Hier muss nur der Name der Funktion und die Parameter, für die die Funktion ausgeführt werden soll angegeben werden. Z.Z funktioniert das nur mit Zahlen. Damit wird die Funktion wrapper mit den Zahlen im Bereich 1 bis 20 als übergebener Parameter aufgerufen. Das Verteilen auf die Nodes funktioniert dann automatisch.
sfStop() Result # Ausgabe der Ergebnisse
Die MPI - Variante läuft fast genauso, nur dass man R mit mpirun bzw. orterun starten muss und der Funktion sfInit type="MPI" statt "SOCK" übergeben muss. Leider gibt es, im Fehlerfall, so gut wie keine Ausgaben für die MPI-Version, so dass das nicht so benutzerfreundlich ist.
Bitte beachten sie, dass eine Ressourcen-Angabe entweder innerhalb des Batch-Files oder per Parameter an den Befehl "qsub" erfolgt, da ansonsten ein leeres Nodefile erzeugt und auf nur einem Prozessor gerechnet werden würde. Informationen hierzu finden sie unter dem Menü-Punkt: Bedienung.
Bitte beachten sie, dass eine Ressourcen-Angabe entweder innerhalb des Batch-Files oder per Parameter an den Befehl "qsub" erfolgt, da ansonsten ein leeres Nodefile erzeugt und auf nur einem Prozessor gerechnet werden würde. Informationen hierzu finden sie unter dem Menü-Punkt: Bedienung.
Hier geht's zum Artikel:
State-of-the-art in Parallel Computing with R von der Ludwig-Maximilians-Universität München.