Los tres contendientes#
- Bucle
forestándar: Iteración manual (con pre-asignación). lapply: El estándar funcional y secuencial de R.future_lapply: La versión paralelizada.
Experimento 1: La tarea “barata” (ligera)#
En este escenario, hacemos algo muy rápido: calcular la media de 1.000 números.
n <- 200
data_list <- replicate(n, rnorm(1000), simplify = FALSE)
bench_cheap <- microbenchmark(
for_loop = {
res_for <- vector("list", n)
for (i in 1:n) res_for[[i]] <- mean(data_list[[i]])
},
standard_apply = lapply(data_list, mean),
future_apply = future_lapply(data_list, mean),
times = 10
)
# Generar tabla
kable(summary(bench_cheap), caption = "Resultados de la tarea ligera (milisegundos)")| expr | min | lq | mean | median | uq | max | neval |
|---|---|---|---|---|---|---|---|
| for_loop | 1533.673 | 1594.044 | 1715.9777 | 1696.553 | 1849.909 | 1960.733 | 10 |
| standard_apply | 581.569 | 592.545 | 632.0822 | 607.935 | 647.593 | 769.924 | 10 |
| future_apply | 42645.687 | 47242.446 | 74838.4215 | 76065.549 | 92860.346 | 124832.589 | 10 |
Resultados de la tarea ligera (milisegundos)
# Generar figura
autoplot(bench_cheap) +
labs(title = "Tarea ligera: La sobrecarga del paralelo es visible")
Experimento 2: La tarea “cara” (pesada)#
En este escenario, simulamos un trabajo “pesado” añadiendo un pequeño retardo (Sys.sleep). Esto imita el modelado estadístico complejo o el web scraping.
n_heavy <- 20
data_heavy <- replicate(n_heavy, rnorm(10), simplify = FALSE)
# Una función que tarda 0,1 segundos por llamada
heavy_func <- function(x) {
Sys.sleep(0.1)
mean(x)
}
bench_expensive <- microbenchmark(
for_loop = {
res_for <- vector("list", n_heavy)
for (i in 1:n_heavy) res_for[[i]] <- heavy_func(data_heavy[[i]])
},
standard_apply = lapply(data_heavy, heavy_func),
future_apply = future_lapply(data_heavy, heavy_func),
times = 2 # ¡Pocas iteraciones porque es lento!
)
# Generar tabla
kable(summary(bench_expensive), caption = "Resultados de la tarea pesada (segundos)")| expr | min | lq | mean | median | uq | max | neval |
|---|---|---|---|---|---|---|---|
| for_loop | 2010.4419 | 2010.4419 | 2012.2996 | 2012.2996 | 2014.1572 | 2014.1572 | 2 |
| standard_apply | 2008.5706 | 2008.5706 | 2008.8800 | 2008.8800 | 2009.1893 | 2009.1893 | 2 |
| future_apply | 282.1072 | 282.1072 | 290.7669 | 290.7669 | 299.4266 | 299.4266 | 2 |
Resultados de la tarea pesada (segundos)
# Generar figura
autoplot(bench_expensive) +
labs(title = "Tarea pesada: Future gana por goleada")