foreach％dopar％+ RPostgreSQL

Question

我正在使用RPostgreSQL连接到本地数据库。 该设置在我的Linux机器上运行正常。 R 2.11.1，Postgres 8.4。

我使用多核（doMC）并行后端玩'foreach'来包装一些重复查询（编号为几千）并将结果附加到数据结构中。 奇怪的是，如果我使用％do％但是当我切换到％dopar％时会失败，只有一次迭代时会出现异常（如下所示）

我想知道它是否与单个连接对象有关，所以我创建了10个连接对象，并且取决于我是什么，为该查询给出了某个con对象，具体取决于i modulo 10.（仅在下面表示2个连接对象）。 被评估的表达式eval（expr.01），包含/是取决于'i'的查询。

我无法理解这些特定的错误消息。 我想知道是否有任何方法可以使这项工作。

谢谢。
Vishal Belsare

R片段如下：

> id.qed2.foreach <- foreach(i = 1588:1588, .inorder=FALSE) %dopar% { 
+ if (i %% 2 == 0) {con <- con0}; 
+ if (i %% 2 == 1) {con <- con1}; 
+ fetch(dbSendQuery(con,eval(expr.01)),n=-1)$idreuters};
> id.qed2.foreach
[[1]]
  [1]   411   414  2140  2406  4490  4507  4519  4570  4571  4572  4703  4731
[109] 48765 84312 91797

> id.qed2.foreach <- foreach(i = 1588:1589, .inorder=FALSE) %dopar% { 
+ if (i %% 2 == 0) {con <- con0}; 
+ if (i %% 2 == 1) {con <- con1}; 
+ fetch(dbSendQuery(con,eval(expr.01)),n=-1)$idreuters};
Error in stop(paste("expired", class(con))) : 
  no function to return from, jumping to top level
Error in stop(paste("expired", class(con))) : 
  no function to return from, jumping to top level
Error in { : 
  task 1 failed - "error in evaluating the argument 'res' in selecting a method for function 'fetch'"
> 

编辑：我改变了一些东西，（仍然不成功），但有一些事情被曝光。 在循环中创建的连接对象并未通过dbDisconnect“断开连接”，导致挂起连接，如Postgres的/ var / log所示。 我这样做时会出现一些新的错误消息：

> system.time(
+ id.qed2.foreach <- foreach(i = 1588:1590, .inorder=FALSE, 
.packages=c("DBI", "RPostgreSQL")) %dopar% {drv0 <- dbDriver("PostgreSQL"); 
con0 <- dbConnect(drv0, dbname='nseindia');
list(idreuters=fetch(dbSendQuery(con0,eval(expr.01)),n=-1)$idreuters);
dbDisconnect(con0)})
Error in postgresqlExecStatement(conn, statement, ...) : 
  no function to return from, jumping to top level
Error in postgresqlExecStatement(conn, statement, ...) : 
  no function to return from, jumping to top level
Error in postgresqlExecStatement(conn, statement, ...) : 
  no function to return from, jumping to top level
Error in { : 
  task 1 failed - "error in evaluating the argument 'res' in selecting a method for function 'fetch'"

Answer 1

每个worker创建一次数据库连接效率更高，而不是每个任务一次。 不幸的是，mclapply在执行任务之前没有提供初始化工作程序的机制，因此使用doMC后端执行此操作并不容易，但如果使用doParallel后端，则可以使用clusterEvalQ初始化工作程序。 以下是如何重构代码的示例：

library(doParallel)
cl <- makePSOCKcluster(detectCores())
registerDoParallel(cl)

clusterEvalQ(cl, {
  library(DBI)
  library(RPostgreSQL)
  drv <- dbDriver("PostgreSQL")
  con <- dbConnect(drv, dbname="nsdq")
  NULL
})

id.qed.foreach <- foreach(i=1588:3638, .inorder=FALSE,
                          .noexport="con",
                          .packages=c("DBI", "RPostgreSQL")) %dopar% {
  lst <- eval(expr.01)  #contains the SQL query which depends on 'i'
  qry <- dbSendQuery(con, lst)
  tmp <- fetch(qry, n=-1)
  dt <- dates.qed2[i]
  list(date=dt, idreuters=tmp$idreuters)
}

clusterEvalQ(cl, {
  dbDisconnect(con)
})

由于doParallel和clusterEvalQ使用相同的集群对象cl ，因此foreach循环在执行任务时可以访问数据库连接对象con 。

Answer 2

以下工作和顺序形式加速约1.5倍。 下一步，我想知道是否可以将连接对象附加到registerDoMC生成的每个worker。 如果是这样，则不需要创建/销毁连接对象，这可以防止PostgreSQL服务器被连接压倒。

pgparquery <- function(i) {
drv <- dbDriver("PostgreSQL"); 
con <- dbConnect(drv, dbname='nsdq'); 
lst <- eval(expr.01); #contains the SQL query which depends on 'i'
qry <- dbSendQuery(con,lst);
tmp <- fetch(qry,n=-1);
dt <- dates.qed2[i]
dbDisconnect(con);
result <- list(date=dt, idreuters=tmp$idreuters)
return(result)}

id.qed.foreach <- foreach(i = 1588:3638, .inorder=FALSE, .packages=c("DBI", "RPostgreSQL")) %dopar% {pgparquery(i)}

-
Vishal Belsare