用 OpenBLAS 加速 R 的矩阵运算

话说 2010 年我和鸟兄去豆瓣做一个技术交流,阿稳现场展示了并行化计算的 R 环境,矩阵运算瞬间跑满了所有的 CPU,当时让我羡慕不已。多年之后在 第六届 R 语言会议 上,张先轶为大家展示了他们负责跟进研发的开源线性代数计算库 OpenBLAS,这个库建立在已经停止开发的 GotoBLAS2 上,对 Intel Sandy Bridge 有非常好的支持(性能上甚至同 MKL 不相上下)。

线性代数库是 R 底层天然的并行运算的极好支持(Revolution R 使用的 MKL 库的支持),可以有效的提高 R 的计算效率。这里要再次感谢中科院张先轶的贡献!

OpenBLAS 的编译

OpenBLAS 的编译还是比较方便的,如果没有特殊要求,下载直接执行快速安装即可

make
make install

即可自行依照环境安装相关组件。

R 的编译

OpenBLAS 环境安装完毕后,即可安装 R 环境,同一般安装 R 类似,需要增加如下参数:

./configure --disable-nls --with-blas="-lopenblas" --with-lapack --enable-R-shlib
make
make install

编译的时候可能会报 BLAS 相关的 so 找不到,按照错误代码信息将文件拷贝至目录即可(或建 link)。

接下来我们对比一下个人电脑的两种平台的计算情况:

  • Windows 64 位系统无 BLAS 支持,原生 R
  • Ubuntu 64 位系统下 OpenBLAS 支持的 R

先看 Windows 平台原生 R 环境下两个 6000 × 6000 矩阵相乘的结果:

> x <- matrix(1:(6000 * 6000), 6000, 6000)
> system.time(tmp <- x %*% x)
   user  system elapsed 
 163.67    0.11  163.94 
> system.time(tmp <- x %*% x)
   user  system elapsed 
 163.71    0.11  163.99 

再看使用 Open BLAS 加速的 R 的运算结果:

x <- matrix(1:(6000 * 6000), 6000, 6000)
system.time(tmp <- x %*% x)
   user  system elapsed 
 37.964   0.320  19.434 
system.time(tmp <- x %*% x)
   user  system elapsed 
 38.156   0.256  19.495 

下图是我的 PC 双核欢快的跑满(物理双核,虚拟四线程)资源的样子:

可见 Open BLAS 对于 R 的底层矩阵运算的提升非常明显,可以想象如果在 R 中如果大量的使用向量化编程思路,计算所损耗的时间将会大大缩短。


注意:还未仔细尝试其兼容性,请酌情使用

本文转载自:http://www.bjt.name/2013/06/open-blas-r/

;