使用parLapply减少已用时间/用户时间

Question

我试图评估r中的串行和并行执行的时间。当比较“lapply”函数和“parLapply”函数时，我得到了以下结果。

vec1 <- 1:400000 
system.time(result <- lapply(vec1, function(x) x+2)) 

#using 3 nodes 
cl3 <- snow::makeCluster(c("localhost","localhost","localhost"), type = "SOCK") 
snow::clusterExport(cl3, c("vec1"), envir = .GlobalEnv) 
system.time(clus3 <- snow::parLapply(cl3, vec1, function(x) x+2)) 
snow::stopCluster(cl3) 

lapply：用户时间= 0.69，已播放时间= 0.70 parLapply：用户时间= 0.49，已播放时间= 0.92

虽然用户时间减少，经过时间似乎增加。这可能会发生吗或我做错了什么？因为我认为在使用并行执行时应减少流逝的时间。

Answer 1

如果您的任务在单个节点上计算需要很长时间才能运行，这将反映在减少的运行时间中。另一方面，如果计算量很小，大部分时间将用于维护（建立会话，移动数据，检索数据...），并且无效甚至否定并行计算的效果。