R语言 oligoClasses包 setCluster()函数中文帮助文档(中英文对照)

loveR

setCluster(oligoClasses)
setCluster()所属R语言包：oligoClasses

                                         Cluster and large dataset management utilities.
                                         聚类和大型数据集的管理工具。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Tools to simplify management of clusters via 'snow' package and large dataset handling through the 'bigmemory' package.
通过“雪花”的包，并通过“bigmemory”包大数据集处理的工具，以简化聚类管理。


用法----------Usage----------


setCluster(...)
getCluster()
delCluster()
ocSamples(n)
ocProbesets(n)



参数----------Arguments----------

参数：...
arguments to be passed to makeCluster in the 'snow' package.
参数被传递给makeCluster雪包。


参数：n
integer representing the maximum number of samples/probesets to be processed simultaneously on a compute node.
整数，表示最大数量的样品/ probesets的计算节点上同时处理。


Details

详情----------Details----------

Some methods in the oligo/crlmm packages, like backgroundCorrect, normalize, summarize and rma can use a cluster (set through 'snow' package). The use of cluster features is conditioned on the availability of the 'bigmemory' (used to provide shared objects across compute nodes) and 'snow' packages.
中寡/ crlmm包的一些方法，如backgroundCorrect，normalize，summarize和rma可以使用一个聚类（通过雪包）。 “bigmemory”（用于跨计算节点提供共享对象）和“雪花”包的可用性聚类功能的使用条件。

To use a cluster, 'oligo/crlmm' checks for three requirements: 1) 'ff' is loaded; 2) 'snow' is loaded; and 3) the 'cluster' option is set (e.g., via options(cluster=makeCluster(...)) or setCluster(...)).
使用聚类，“寡/ crlmm检查三个条件：1）FF加载2）”雪花“被载入; 3）”聚类“选项设置（例如，通过选项（聚类= makeCluster （...））或setCluster（...））。

If only the 'ff' package is available and loaded (in addition to the caller package - 'oligo' or 'crlmm'), these methods will allow the user to analyze datasets that would not fit in RAM at the expense of performance.
如果只有FF包和加载（除了主叫方包 - 寡或crlmm），这些方法将允许用户分析数据集，将不适合在RAM的性能为代价。

In the situations above (large datasets and cluster), oligo/crlmm uses the options ocSamples and ocProbesets to limit the amount of RAM used by the machine(s). For example, if ocSamples is set to 100, steps like background correction and normalization process (in RAM) 100 samples simultaneously on each compute node. If ocProbesets is set to 10K, then summarization processes 10K probesets at a time on each machine.
在上述情况（大型数据集和聚类），寡核苷酸/ crlmm使用选项ocSamples和ocProbesets机（S）所使用的RAM数量限制。例如，如果ocSamples设置为100，如背景校正和标准化进程（RAM）100样本，同时每个计算节点上的步骤。 ，如果ocProbesets设置到10K，然后汇总处理10K probesets在每台机器上的时候。


警告----------Warning----------

In both scenarios (large dataset and/or cluster use), there is a penalty in performance because data are written to disk (to either minimize memory footprint or share data across compute nodes).
（大的数据集和/或使用聚类）在两种情况下，在性能上有一个点球，因为数据被写入到磁盘（可以最大限度地降低内存占用或共享数据计算节点）。


作者（S）----------Author(s)----------



Benilton Carvalho <carvalho@bclab.org>


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。