[R-es] Procesos paralelos
Gilsanz, Jose Luis
jluis.gilsanz en eu.jll.com
Mar Abr 12 11:04:43 CEST 2016
Hola:
Vuelvo a la carga con algo que resolví hace años y que ahora me ha dejado de funcionar y no consigo arreglar. A ver si alguien me sugiere algún enfoque o directamente la solucion.
Utilizo R en muchos procesos ETL y la cuestión es que me encuentro con que tengo que hacer inserts en un BBDD de SQL Server de varios miles (a veces millones de registros) que mientras R las realiza parece que no está haciendo nada.
La solución que conseguí hacer en su momento fue paralelizar el proceso de inserción en dos procesos distintos usando el paquete snowfall.
-Un proceso se encargaba de la propia inserción de los datos.
-El otro proceso mostraba una barra de progreso que se construía consultando la tabla (tab) donde se insertaban los registros (datos) para monitorizar su proceso.
La subida al servidor es esta función:
subida <- function( datos, tab)
{
flush.console()
canal2 <- odbcDriverConnect( "case=nochange; Driver=xxx; Server=xxx; Database=xxx; uid=xxx; pwd=xxx; wsid=xxx;")
sqlSave(canal2,datos,tablename= tab, rownames = FALSE, append=TRUE, fast=TRUE )
close(canal2)
rm(canal2)
}
La barra de progreso se toma de esta función:
pb <-function( datos,tab){
##Creamos canal de conexion a BBDD
canal1 <- odbcDriverConnect( "case=nochange; Driver=SQL Server; Server=xxx; Database=xxx; uid=xxx; pwd=xx; wsid=ESMADN1003;;")
##Obtenemos conteos de registros##################
#Numero de registro que se van a cargar
asubir <- as.numeric(nrow(datos))
#Numero de registro que ya hay en la tabla
entabla <- as.numeric(sqlQuery(canal1,paste("SELECT Count(*) ", " FROM ",tab, sep="")))
#Numero de registros cargados en el momento n
total <- as.numeric(0)
#Frecuenca de actualizacion de la barra
frec <- 0.1
##Creamos barra de progreso
barra <- winProgressBar(title="Subiendo datos a SQL ", label = "Subido el: ", min= 0, max= 1,initial= 0, width = 800)
##Mientras los registros que quedan por subir sean inferiores a los que actualmente hay en la tabla se muestra la barra
while ( entabla + asubir > total )
{
#Reconectamos
canal1 <- odbcReConnect(canal1)
#Obtenemos registros actuales en la tabla (los que habia + los que han subido hasta el momento)
total <- as.numeric(sqlQuery(canal1,paste("SELECT Count(*) FROM ",tab, sep="")))
#Calculamos porcentaje de registros subidos en el momento
porcen <- as.numeric((total - entabla) / asubir)
#Actualizamos barra de progreso
setWinProgressBar(barra, porcen,title="SUBIENDO DATOS A SQL", label =paste("Subido el: ", round(porcen *100,0), "% de los datos. Quedan por subir ",(entabla + asubir)-total, " registros de ", asubir, "." , sep=""))
#Actualizamos consola
flush.console()
Sys.sleep(frec)
}
close(barra)
}
Ahora estoy intentando usar el paquete parallel (en lugar de snowfall que ya no me funciona) haciendo esto.
library(parallel)
library(RODBC)
##Creo un cluster con dos nodos
cl <-makeCluster(2)
##Exporto datos y funciones a los dos cluster
clusterExport(cl,varlist=c("pb","subida","datos","tab"))
##En el primer cluster hago la inserción en el segundo la barra de progreso
clusterApply(cl,subida(datos,tab),pb(datos,tab) )
La inserción la realiza correctamente pero la barra de progreso no aparece por ningún lado :( y en el monitor de procesos aparecen dos Rscript.exe corriendo (uso Windows 7)
Si alguien quiere que le proporcione la función que construí usando snowfall (y que ahora tampoco muestra la barra) se la puedo enviar para destriparla.
Muchas gracias
Un saludo
José Luis Gilsanz Gómez
Estadística
Departamento Técnico Entidades Financieras
JLL Valoraciones S.A. (Jones Lang LaSalle España S.A.)
Paseo de la Castellana 130 - 1ª; 28046 Madrid
Tel: +34 91 454 96 94
Fax +34 91 541 42 64
jll.es
Síguenos en: Twitter<https://twitter.com/JLLSpain> I Linkedin<https://www.linkedin.com/profile/view?id=173156047&trk=nav_responsive_tab_profile> I Youtube<https://www.youtube.com/user/joneslanglasallesp> I Blog<http://www.jllinmuebles.es/elblogdelosanillos/>
PPiense en el medio ambiente antes de imprimir este e-mail
Los datos personales que en esta comunicación aparecen, así como los que nuestra empresa mantiene de Vd. y de su empresa, son tratados con la finalidad de mantener el contacto así como realizar las gestiones que en esta aparecen (Ley Orgánica 15/1999, de 13 de diciembre, de Protección de Datos de Carácter Personal).
Puede ejercer sus derechos de acceso, rectificación, cancelación y oposición dirigiéndose a atencion.clientesth en tasacionesh.com<mailto:atencion.clientesth en tasacionesh.com>.
La utilización de su dirección de correo electrónico por parte de nuestra empresa queda sujeta a las disposiciones de la Ley 34/2002, de Servicios de la Sociedad de la Información y el Comercio Electrónico. Si Vd. recibe comunicación comercial por nuestra parte y desea dejar de recibirla, rogamos nos lo comunique por vía electrónica a través de la dirección atencion.clientesth en tasacionesh.com <mailto:atencion.clientesth en tasacionesh.com> .
JLL Valoraciones
Registration number: A-28/806222.
Registered Office: Pº de la Castellana, 130 - 1ª ; 28046 Madrid
This e-mail is for the use of the intended recipient(s) only. If you have received this e-mail in error, please notify the sender immediately and then delete it. If you are not the intended recipient, you must not use, disclose or distribute this e-mail without the author's prior permission. We have taken precautions to minimise the risk of transmitting software viruses, but we advise you to carry out your own virus checks on any attachment to this message. We cannot accept liability for any loss or damage caused by software viruses. If you are the intended recipient and you do not wish to receive similar electronic messages from us in future then please respond to the sender to this effect
[[alternative HTML version deleted]]
Más información sobre la lista de distribución R-help-es