2013年10月份开始接触，多半个月的时间基本上都在熟悉Linux的文件操作和R软件的snow包，总算将自己的代码并行化。兴奋之余，感觉有必要将摸索过程中的教训和心得记一下，等将来看自己当时作为初学者是多么矬，也希望能给志同道合者些许帮助。

    要说过去一年里最热的网络词汇，恐怕非“大数据”莫数了。数据经过时间的积累，终有一天分析者忍受不了程序运行的时间开销。算法改进不是人人都可为，退而求其次，“强暴”机器同样能够达到缩短时间成本的目的。办公室的电脑多有空闲，在可并行之前，自己常常在N台PC上打开2N个或者3N个R的进程，一天下来，筋疲力竭；每思及此，内流满面。现在好了，妈妈再也不用担心我的学习，so easy~

    闲话少叙，开始正题：

    首先当然要求PC和高性能均已安装R、snow包。

    其次，关于程序编写。这里要注意的是程序的分割。在实现某个分析目标的时候，尽可能将过程和算法分割为细致的、具体的function。func代表了每个阶段能够解决的问题，这样在并行代码中传入函数的时候比较容易实现。基于snow的并行function相当于apply函数的扩展。如下：

----------------------------------------------------------------------------------

http://s12/mw690/002E7n7Wgy6FG1cLXHZbb&690

----------------------------------------------------------------------------------

    其中，cl参数是计算集群，通过makeCluster()定义；x为需要并行的数据集合。直接传入待分析的数据集往往不易实现，我常采用的方法是将待分析的数据做索引，作为x传入。这样在编写传入parRapply()的fun时，定义其参数为待分析的数据索引即可，屡试不爽。并行计算中，需要进行计算中用到的数据集和函数在计算集群中的广播，clusterExport(["FUN"|"DATA"])实现。

    最后是程序的提交。qsub作业提交系统很好用，程序调试完毕后，只要qsub PBS文件，即将并行作业提交到机器队列中，等待着系统分配计算资源。

    DONE，并行愉快:-)