RcppArmadillo和RcppParallel的共存问题

Question

以下是关于parallelFor的玩具示例，f2是f1的并行化版本，已经成功运行：

// [[Rcpp::depends(RcppParallel)]]
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
#include <RcppParallel.h>
#include <iostream>
#define vector NumericVector

using namespace Rcpp;
using namespace RcppParallel;


// compute values i/i+1 for i = 0 to n-1
// [[Rcpp::export]]
vector f1(int n) {
  vector x(n);
  for(int i = 0; i < n; i++) x[i] = (double) i/ (i+1);
  return x;
}

struct mytry : public Worker {
  vector output;

  mytry(vector out) : output(out) {}

  void operator()(std::size_t begin, std::size_t end) {
    for(int i = begin; i < end; i++) output[i] = (double) i/ (i+1);
  }

};

// [[Rcpp::export]]
vector f2(int n) {
  vector x(n);
  mytry A(x);
  parallelFor(0, n, A);
  return x;
}

然而，如果我用 #define vector arma::vec 替换 #define vector NumericVector，则这种方法不再有效。代码可以编译和运行，f1 没问题，但是由 f2 返回的向量仅包含未初始化的值。

非常感谢您提前给出的任何澄清。

- Elvis

---

arma::vec 应该成为类的引用成员吗？（对于 Rcpp 的情况来说，这是可行的，因为 R 的向量只是指针上的代理对象，所以您仍然可以访问相同的对象） - Kevin Ushey

@KevinUshey 没关系，只需加入两个适当的 & 就可以运行：具体来说，将 vector output; 替换为 vector & output;，并将 mytry(vector out) : output(out) {} 替换为 mytry(vector & out) : output(out) {}。您能否将您的评论作为答案表述？我很乐意接受它。因为我不太可能是唯一遇到这个问题的新手，所以我认为这很值得。 - Elvis

Answer 1

这里的问题在于，你的类应该通过引用而不是值来获取向量。 这是因为，在使用RcppParallel时，通常需要预先为某个对象分配内存，然后填充该对象——因此并行工作者应该将引用指向你想要填充的对象。 因此，你的工作线程应该像这样（如你所指出的）：

struct mytry : public Worker {
  vector& output;

  mytry(vector& out) : output(out) {}

  void operator()(std::size_t begin, std::size_t end) {
    for(int i = begin; i < end; i++) output[i] = (double) i/ (i+1);
  }

请注意，这对于Rcpp向量的工作方式（也许令人惊讶）是因为它们已经只是“代理”对象 - 只是封装了指向数据的指针的对象。当您通过值传递Rcpp向量时，您将复制指针（而不是底层数据！）以及一些额外的向量位（例如向量的长度） - 因此，“副本”保留对相同数据结构的引用。

当您使用更多“传统”的向量，例如arma :: vec或std :: vector时，将其按值传递给工作者时，实际上是复制整个新向量到类中，然后填充该（临时复制的）向量 - 因此原始向量实际上从未被填充。

- Kevin Ushey