반짝이는 앱으로 병렬 처리

Question

나는 우리 카운티의 특정 특성에 대한 정보가있는 플롯 맵을 생성하는 반짝이는 앱을 가지고 있습니다. 응용 프로그램이 잘 작동하지만 내가 전화 할 때마다지도를 만들기 위해서는 40 초가 걸립니다. 나는 전처리를하기 위해 if와 else를 가진 반응식 (rt2)을 사용한다. 어떤 종류의 병렬 처리를하거나 시간을 절약하기 위해 이런 일을하는 방법이 있는가? 데이터 세트의

샘플

County_ID County_Name  EQI air_EQI water_EQI land_EQI sociod_EQI 
     <int>  <chr>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl> 
1  1001 Autauga, AL 0.0041379 0.9553846 -1.1097280 -0.7065906 0.6704357 
2  1003 Baldwin, AL 0.2002343 0.7179643 -0.5659107 -1.0842990 0.5530728 
3  1005 Barbour, AL -0.9506388 0.1310074 -0.9780902 -1.2814700 -1.2362940 
4  1007 Bibb, AL -1.0889200 0.0652890 -0.9681726 -0.8274103 -0.6000178 
5  1009 Blount, AL -0.5139221 0.4021944 -0.7186447 -0.6229339 0.2965088 
6  1011 Bullock, AL -2.0828290 -0.3091858 -1.4513350 -1.2580140 -1.8239700 

ui.r 나는 예를 재현 할 수 없기 때문에

library(plotly) 
library(shiny) 
library(tidyr) 
library(maps) 
library(shinydashboard) 
library(viridis) 
library(ggplot2) 

ui <- navbarPage(
    title="Computational Modelling and Investigation of Neuropsychiatric Disease (MIND)", 
    tabPanel("Home Tab", 
      sidebarLayout(
      sidebarPanel(

       uiOutput("selectcol11"), 
       uiOutput("selectsol11") 
      ), 
      mainPanel(plotlyOutput("plot2"))))) 

server.r

server <- function(input, output) { 

output$selectcol11<-renderUI({ 
     selectInput("selectcol11","Select Measure",choices = c("EQI","air_EQI","water_EQI", 
                    "land_EQI","sociod_EQI","built_EQI","good_days","bad_days"),selected = "EQI") 
     }) 
output$selectsol11<- renderUI({ 
      sliderInput("selectsol11", "Select Resolution", 
         min = 2, max = 7, value = 5,step =1)}) 


      rt2 <- reactive({ 
       if(input$selectcol11== "EQI"){ 
       foo <- cbind(data.frame(do.call('rbind', strsplit(as.character(df$County_Name),',',fixed=TRUE))),df[,c(1,3:10)]) 
       colnames(foo)[1] <- "County" 
       colnames(foo)[2] <- "State" 

       foo1 <- map_data("county") 

       eqi1 <- foo %>% 
        group_by(County) %>% 
        summarise(EQI = sum(EQI)) 
       eqi10 <- foo %>% 
        group_by(County) %>% 
        summarise(County_ID = sum(County_ID)) 
       eqi<- cbind(eqi1,eqi10[,2]) 
       eqi$County <- tolower(eqi$County) # matching string 
       foo1_eqi <- merge(foo1, eqi, by.x = "subregion", by.y = "County") 
       foo1_eqi 
       final.plot1<-foo1_eqi[order(foo1_eqi$order), ] 
       final.plot1$County_Name_ID <- with(final.plot1, paste("County:",subregion, '<br>', "County_ID:", County_ID)) 
       final.plot1 
       } 
       else if(input$selectcol11== "air_EQI"){ 
        foo <- cbind(data.frame(do.call('rbind', strsplit(as.character(df$County_Name),',',fixed=TRUE))),df[,c(1,3:10)]) 
        colnames(foo)[1] <- "County" 
        colnames(foo)[2] <- "State" 

        foo1 <- map_data("county") 

        eqi1 <- foo %>% 
        group_by(County) %>% 
        summarise(air_EQI = sum(air_EQI)) 
        eqi10 <- foo %>% 
        group_by(County) %>% 
        summarise(County_ID = sum(County_ID)) 
        eqi<- cbind(eqi1,eqi10[,2]) 
        eqi$County <- tolower(eqi$County) # matching string 
        foo1_eqi <- merge(foo1, eqi, by.x = "subregion", by.y = "County") 
        foo1_eqi 
        final.plot1<-foo1_eqi[order(foo1_eqi$order), ] 
        final.plot1$County_Name_ID <- with(final.plot1, paste("County:",subregion, '<br>', "County_ID:", County_ID)) 
        final.plot1 
       } 
      }) 

      output$plot2 <- renderPlotly ({ 
       p<- ggplot(rt2(), aes(x = long, y = lat, group=group,text=County_Name_ID,fill = cut_number(rt2()[,7],input$selectsol11))) 
       p<- p+ geom_polygon(colour=alpha("black", 1/2)) 
       p<- p+coord_equal() 
       p<- p+ viridis::scale_fill_viridis(discrete = TRUE) 
       p<- p+ scale_fill_discrete("Measure Density") 
       ggplotly(p, tooltip = c("County_Name_ID")) 
       }) 
      } 

Answer 1

, 나는 앱에 시간이 걸리는 것을 알 수 . 그래서 응용 프로그램을 실행하는 동안 당신은 몇 가지 프로파일 링을 수행하는 제안 : 사용할 수있는 도구 Rstudio에서 직접이 -

-> 응용 프로그램 실행 "프로파일 링을 시작"다음

-> "프로파일 링 중지" 앱이로드되었을 때

이로부터 가장 많은 시간 (또는 메모리)을 차지하는 부분을 확인할 수 있습니다. 당신이 보여준 바에 따르면, 대부분의 계산 시간이 걸리는 것은 foo1 <- map_data("county")이라고 제안 할 것입니다. 따라서이 경우에이 기능을 빠르게하거나 다른 기능을 찾는 방법을 찾아야합니다. map_data()의 경우 병렬 처리를 구현하는 것이 적절하지 않다고 생각합니다.