我有很多文件需要下载。
我正在使用download.file()
功能和furrr::map
并行下载,plan(strategy = "multicore")
.
请告知我如何为每个未来加载更多作业?
在 Ubuntu 18.04 上运行,具有 8 个内核。 R 版本 3.5.3。
这些文件可以是txt,zip或任何其他格式。 大小在 5MB - 40MB 之间变化。
使用 furrr 工作得很好。我想你的意思是furrr::future_map
.使用multicore
大大提高了下载速度(注意:在Windows上,multicore
不可用,仅multisession
。如果您不确定代码将在哪个平台上运行,请使用multiprocess
)。
library(furrr)
#> Loading required package: future
csv_file <- "https://raw.githubusercontent.com/UofTCoders/rcourse/master/data/iris.csv"
download_template <- function(.x) {
temp_file <- tempfile(pattern = paste0("dl-", .x, "-"), fileext = ".csv")
download.file(url = csv_file, destfile = temp_file)
}
download_normal <- function() {
for (i in 1:5) {
download_template(i)
}
}
download_future_core <- function() {
plan(multicore)
future_map(1:5, download_template)
}
download_future_session <- function() {
plan(multisession)
future_map(1:5, download_template)
}
library(microbenchmark)
microbenchmark(
download_normal(),
download_future_core(),
download_future_session(),
times = 3
)
#> Unit: milliseconds
#> expr min lq mean median
#> download_normal() 931.2587 935.0187 937.2114 938.7787
#> download_future_core() 433.0860 435.1674 488.5806 437.2489
#> download_future_session() 1894.1569 1903.4256 1919.1105 1912.6942
#> uq max neval
#> 940.1877 941.5968 3
#> 516.3279 595.4069 3
#> 1931.5873 1950.4803 3
创建于 2019-03-25 由 reprex 软件包 (v0.2.1)
请记住,我使用的是Ubuntu,所以使用Windows可能会改变事情,因为据我所知,未来不允许Windows上的多核。
我只是在这里猜测,但multisession
速度较慢的原因可能是因为它必须在运行download.file
函数之前打开多个 R 会话。我只是下载了一个非常小的数据集(iris.csv
),所以也许在需要更多时间的较大数据集上,打开 R 会话所需的时间将被下载较大文件所需的时间所抵消。
小更新:
您可以将数据集的 URL 向量传递到future_map
以便它根据将来的包处理确定下载每个文件:
data_urls <- c("https:.../data.csv", "https:.../data2.csv")
library(furrr)
plan(multiprocess)
future_map(data_urls, download.file)
# Or use walk
# future_walk(data_urls, download.file)