State of the Art in Parallel Computing with R + Code

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش:  
نویسندگان: Schmidberger M. et al.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 0 
زبان: English 
فرمت فایل : RAR (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 713 کیلوبایت 

قیمت کتاب (تومان) : 57,000

مجله نرم افزار آماری. آگوست 2009، جلد 31، شماره
1. + 5 پیوست. R یک زبان برنامه نویسی منبع باز بالغ برای محاسبات آماری و گرافیک است. بسیاری از حوزه های تحقیقات آماری رشد سریعی را در اندازه مجموعه داده ها تجربه می کنند. پیشرفت های روش شناختی باعث افزایش استفاده از شبیه سازی ها می شود. یک رویکرد رایج استفاده از محاسبات موازی است.
این مقاله مروری بر تکنیک‌های محاسبات موازی با R در خوشه‌های کامپیوتری، سیستم‌های چند هسته‌ای و در محاسبات شبکه‌ای ارائه می‌کند. شانزده بسته مختلف را بررسی می‌کند و آنها را از نظر وضعیت توسعه، فناوری موازی مورد استفاده، و همچنین قابلیت استفاده، پذیرش و عملکرد مقایسه می‌کند.
دو بسته (برف، Rmpi) به‌خصوص برای استفاده عمومی در خوشه های کامپیوتری بسته‌هایی برای محاسبات شبکه‌ای هنوز در حال توسعه هستند و تنها یک بسته در حال حاضر در دسترس کاربر نهایی است. برای سیستم های چند هسته ای پنج بسته مختلف وجود دارد، اما تعدادی از مسائل چالش هایی را برای پذیرندگان اولیه ایجاد می کند. مقاله با ایده هایی برای پیشرفت های بیشتر در محاسبات با کارایی بالا با R به پایان می رسد. کد مثال در پیوست موجود است.

Journal of Statistical Software. August 2009, Volume 31, Issue
1. + 5 appendices. R is a mature open-source programming language for statistical computing and graphics. Many areas of statistical research are experiencing rapid growth in the size of data sets. Methodological advances drive increased use of simulations. A common approach is to use parallel computing.
This paper presents an overview of techniques for parallel computing with R on computer clusters, on multi-core systems, and in grid computing. It reviews sixteen different packages, comparing them on their state of development, the parallel technology used, as well as on usability, acceptance, and performance.
Two packages (snow, Rmpi) stand out as particularly suited to general use on computer clusters. Packages for grid computing are still in development, with only one package currently available to the end user. For multi-core systems five different packages exist, but a number of issues pose challenges to early adopters. The paper concludes with ideas for further developments in high performance computing with R. Example code is available in the appendix.