Il parallel processing offre la possibilità di eseguire contemporaneamente più processi.

Con R è possibile replicare in maniera piuttosto semplice l’esecuzione parallela di un ciclo “for”. Si può risparmiare del tempo prezioso per le elaborazioni, ancor di più se i processi in parallelo non richiedono troppo dispendio di memoria. Contrariamente esistono casi in cui la parallelizzazione non è efficente.

Questo codice fa ricorso ai packages foreach, doMC e multicore. multicore offre un’architettura che permette la parallelizzazione di processi anche su una console dotata di un unico processore monocore. doMC permette invece ad R di eseguire in parallelo le funzioni del package foreach in ambito multicore.

##########
# R CODE #
##########
rm(list=ls())
 
library(doMC)
library(foreach)
library(randomForest)
data(iris)
 
# individua il numero di cores disponibili:
multicore:::detectCores(all.tests=TRUE)
 
# setting del numero di cores a disposizione:
registerDoMC(cores=2)
 
x <- iris[which(iris[, 5] != "setosa"), c(1, 5)] 
trials <- 10000 
ptime <- system.time({ 
	r <- foreach(icount(trials), .combine = cbind) %dopar% { ind <- sample(100, 100, replace = TRUE) 
		result1 <- glm(x[ind, 2] ~ x[ind, 1], family = binomial(logit))
		coefficients(result1) 
		} 
		})[3] 
 
ptime

Sul mio Mac (un processore 2 core da 2GB e 2MB RAM) impiega 47 secondi per eseguire 10000 bootstrap.
Non sono certo un guru in questo campo, ogni contributo/suggerimento è quindi ben accetto.