In einem anderen Beitrag here ich um Hilfe bei der parallelen Verarbeitung einen Anruf an h2o.gbm
innerhalb einer foreach
Schleife gefragt.R, h2o und foreach: java.lang.IllegalStateException
Nach den Antworten zur Verfügung gestellt, betreibe ich ein Skript ähnlich wie dieses Beispiel:
library(h2o)
data(iris)
data <- as.h2o(iris)
ss <- h2o.splitFrame(data)
gbm <- h2o.gbm(x = 1:4, y = "Species", training_frame = ss[[1]])
h2o.saveModel(path="some path")
h2o.shutdown(prompt = FALSE)
library(foreach)
library(doParallel)
#setup parallel backend to use 12 processors
cl <- makeCluster(12)
registerDoParallel(cl)
#loop
df4 <- foreach(i = seq(20), .combine=rbind) %dopar% {
library(h2o)
port <- 54321 + 3*i
print(paste0("http://localhost:", port))
h2o.init(nthreads = 1, max_mem_size = "10G", port = port) #my local machine runs 128GB
df4 <- data.frame()
gbm <- h2o.loadModel(path="some path")
df4 <- as.data.frame(h2o.predict(gbm, ss[[2]]))[,1]
}
Es läuft wirklich gut auf einer kleinen Probe meiner realen Daten (mindestens 50% schneller als sequentiell)
aber wenn ich diese laufen auf alle meine Daten, bekomme ich folgende Fehlercode nach 45 Minuten:
Error in { : task 2 failed - "
ERROR MESSAGE:
DistributedException from localhost/127.0.0.1:60984, caused by
java.lang.IllegalStateException: Unable to clean up RollupStats after an
exception (see cause). This could cause a key leakage, key=$05ff14000000feffffff$_b66dbd609dc068f0137cc88cb42a
"
ich bin nicht sicher, was bewirkt, dass der Fehlercode. Ich denke, es hat mit einem Speicherproblem zu tun, weil dieser Code 85-95% meines Arbeitsspeichers (128 GB) und 100% meiner CPU (12 Threads) beansprucht.
Wer irgendwelche Ideen, um dies zu umgehen?