狠狠撸

Shiny ユーザのための
非同期プログラミング入門
2019/09/28
@hoxo_m

株式会社
ホクソエム
? 牧山幸史（まきやまこうじ）
? ホクソエムの社長
? 人工知能によって人々が
笑って暮らせる社会を作る

既刊?新刊
R による
SNS 分析
(12月ごろ)

目次
① 非同期プログラミングとは
② Shiny における非同期プログラミング
③ future パッケージ
④ promises パッケージ
⑤ Shiny への組み込み
⑥ まとめ

非同期プログラミング
? 同期処理
? プログラムを1行ずつ順番に実行する
? 1つの処理を実行している間、他の処理は行わない(待ち)
? 非同期処理
? 複数の処理を同時に実行する
? 非同期プログラミング＝非同期処理のコードを書くこと

なぜ非同期プログラミング？
? R言語は「シングルスレッド」
? 歴史的に R は1台の PC で単一ユーザでの利用が主流
だったので問題なかった
? Shiny アプリでは、複数のユーザからのリクエストを
処理する必要がある
? 非同期処理のニーズが高まる

? Shiny における複数ユーザの同時処理のやりかた
? ユーザからのリクエストを細かいタスクに分ける
? CSS の読み込み、JavaScript の読み込みなど
? それぞれのタスクを交互に実行する
ユーザA ユーザB
タスク1
タスク1
タスク2
タスク2

ところが??
長いタスク
(DB接続など)
短いタスク
ユーザAが
長いタスクを
実行すると、
ユーザBは
短いタスクしか
実行してないのに
とばっちりで
待たされてしまう

非同期処理
長いタスク
長いタスクを
非同期処理に
変えることで
他のユーザの
待ち時間を
削減できる
別プロセス

まとめ①
? R は「シングルスレッド」
? Shiny の登場によって非同期プログラミングのニーズ
が高まった
? 非同期処理によってユーザの待ち時間が削減できる

Shiny における非同期プログラミング
? Shiny に非同期処理を組み込むには、
? 次の2つのパッケージを使う
? promises：プロミスAPIの提供
? future：非同期処理の実行

パッケージの読み込みと初期設定
? 次の3つ組(トリニティ)を server.R に書く
library(promises)
library(future)
plan(multiprosess)

output$table <- renderTable({
long_task() %>%
head(input$n)
})
future({ long_task() }) %...>%
head(input$n)
})
非同期化

まとめ②
? Shiny に非同期処理を組み込むには「トリニティ」
? 同期処理を非同期化するのは简単

future パッケージ
? Rで非同期処理を実行するためのパッケージ
f <- future({
# 時間のかかる処理
download_lots_of_data()
})

plan の選択
? 非同期処理をどのように実行するかを plan() で選択する
? plan(multisession)
? 新しいバックグラウンドプロセスを起動し、そこで実行する
? plan(multicore)
? 現在のプロセスからフォークしたプロセスで実行する
? メモリ状態を共有するため高速だが、Windows では使えない
? plan(multiprosess)
? multicore が利用可能ならば multicore を、そうでなければ
multisession を使う

非同期処理
メインプロセス
別のプロセス
長いタスク
ポイント：
どのプランを
選択したとしても
非同期処理は
別のプロセスで
実行される

注意点
? フューチャコードブロック future({ 処理 }) の内部
ではメインプロセスで生成されたリソースは使えない
? データベース接続、ネットワークソケットなど
? 参照クラスオブジェクトや環境のようなミュータブル
オブジェクトは使えるが、変更はメインプロセスの
オブジェクトには反映されない
? R6 や data.table など

まとめ③
? future パッケージによる
非同期化は簡単
? future({ 処理 })
? 非同期化された処理は別の
プロセスで実行されること
を意識する必要がある

非同期処理
別のプロセス
長いタスク
疑問：
非同期処理の
結果は
どうやって
取得するの？
？

プロミス
? renderXXX() 関数は「プロミス」を受け取ることができる
? プロミスとは、非同期処理によって「いずれ得られる結果」を
表すオブジェクト
? future() の返り値はプロミスとみなせる
output$table <- reanderTable({
future({ read.csv(filepath) })
})

プロミス
? renderTable() の最終行はテーブルを返す必要があるはず
? しかし、プロミスを受け取った場合だけ特別な動作をする
? このプロミスは「いずれテーブルを返す」オブジェクト
? renderTable() はプロミスが結果を得るまで出力を待機する
? テーブルの表示は future() の処理が終わってから行われる
? 非同期処理の結果を明示的に取得せずに済む

? 非同期処理の結果はどうやって取得するの？
? Shiny が勝手にやってくれる
? プロミスは取り扱い方が特殊
? promises パッケージ

promises パッケージ
? プロミスを扱う便利な関数を提供
? 例えば、filter() はプロミスには適用できない
future({ read.csv(filepath) }) %>%
filter(date == input$date)
})

プロミスパイプ %...>%
? プロミスに関数を連鎖する演算子
future({ read.csv(filepath) }) %...>%
})
? 結果は再びプロミスになる

まとめ④
? プロミスを使えば、非同期処理の結果を明示的に取得
する必要がない
? これは非同期処理におけるバグの混入を防ぐ
? promises パッケージはプロミスを扱う便利な関数を
提供する

Shiny への組み込み
? プロミスを Shiny に組み込むにはいくつか制約がある
? future() の中でリアクティブ式は使えない
? プロミスを組み込めるのは次の3つ
① renderXXX()
② オブザーバ
③ リアクティブ式

future() の中でリアクティブ式は使えない
r1 <- reactive({ ... })
r2 <- reactive({
future({ r1() }) # Error!
})
r1 <- reactive({ ... })
r2 <- reactive({
val <- r1()
future({ val }) # OK!
})

① renderXXX() への組み込み
read.csv(url) %>%
})
future({ read.csv(url) }) %...>%
})

どこが違う？（結果は同じ）
input_date <- input$date
future({ read.csv(url) %>% filter(date == input_date) })
})
})

どこが違う？
input_date <- input$date
future({ read.csv(url) %>% filter(date == input_date) })
})
})
別プロセスで実行
で実行

どこに問題がある？
output$plot <- renderPlot({
future({ read.csv(url) %>% plot() })
})

future({ read.csv(url) %>% plot() })
})
? plot() を別プロセスで行っている
? メインプロセスに別プロセスのプロットを返すことができない
別プロセスで実行

future({ read.csv(url)}) %...>%
plot()
})
? plot() をメインプロセスで行うことで回避できる
? print() も同様

② オブザーバへの組み込み
? refesh_data ボタンが押されたときにデータを更新する
data <- reactiveVal(readRDS(“cache.rds”))
observerEvent(input$refresh_data, {
df <- read.csv(url)
saveRDS(df, “cache.rds”)
data(df)
})

② オブザーバへの組み込み
data <- reactiveVal(readRDS(“cache.rds”))
observerEvent(input$refresh_data, {
future({
df <- read.csv(url)
saveRDS(df, “cache.rds”)
}) %...>%
data()
})

③ リアクティブ式への組み込み
? プロミスはリアクティブ式の内部でも使える
? リアクティブ式は最終的に renderXXX() 関数に出力されるため
? リアクティブ式の内部では、プロミスは普通のオブジェクトと
同様に扱われる
? ただし、プロミスであることを意識して扱う必要がある

data <- eventReactive({
read.csv(url)
})
filteredData <- reactive({
data() %>% filter(date == input$date)
})
filteredData() %>% head(5)
})

data <- eventReactive({
future({ read.csv(url) })
})
filteredData <- reactive({
data() %...>% filter(date == input$date)
})
filteredData() %...>% head(5)
})

まとめ⑤
? 非同期処理を Shiny に組み込むときは、どのプロセスで実行
されるかを意識する必要がある

まとめ
? 非同期プログラミングにより、
? Shiny アプリの待ち時間を削減できる
① トリニティ
② フューチャー
③ プロミス

狠狠撸

厂丑颈苍测ユーザのための非同期プログラミング入门

More Related Content

厂丑颈苍测ユーザのための非同期プログラミング入门