Enviar pesquisa
Carregar
Shinyユーザのための非同期プログラミング入門
•
4 gostaram
•
5,208 visualizações
hoxo_m
Seguir
第81回R勉強会@東京(#TokyoR)発表資料 https://tokyor.connpass.com/event/141318/
Leia menos
Leia mais
Dados e análise
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 47
Baixar agora
Baixar para ler offline
Recomendados
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)
Toru Imai
Shiny-Serverあれこれ
Shiny-Serverあれこれ
Kazuya Wada
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
Takuya Akiba
MICの解説
MICの解説
logics-of-blue
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
Union find(素集合データ構造)
Union find(素集合データ構造)
AtCoder Inc.
Pycairo を使ってみる その1
Pycairo を使ってみる その1
ryos36
Recomendados
Visual Studio CodeでRを使う
Visual Studio CodeでRを使う
Atsushi Hayakawa
21世紀の手法対決 (MIC vs HSIC)
21世紀の手法対決 (MIC vs HSIC)
Toru Imai
Shiny-Serverあれこれ
Shiny-Serverあれこれ
Kazuya Wada
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
Takuya Akiba
MICの解説
MICの解説
logics-of-blue
社会心理学者のための時系列分析入門_小森
社会心理学者のための時系列分析入門_小森
Masashi Komori
Union find(素集合データ構造)
Union find(素集合データ構造)
AtCoder Inc.
Pycairo を使ってみる その1
Pycairo を使ってみる その1
ryos36
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
はじめての「R」
はじめての「R」
Masahiro Hayashi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
Rの高速化
Rの高速化
弘毅 露崎
Marp Tutorial
Marp Tutorial
Rui Watanabe
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~
Yuya Unno
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
FastAPIを使って 機械学習モデルをapi化してみた
FastAPIを使って 機械学習モデルをapi化してみた
Sho Tanaka
なぜ、いま リレーショナルモデルなのか(理論から学ぶデータベース実践入門読書会スペシャル)
なぜ、いま リレーショナルモデルなのか(理論から学ぶデータベース実践入門読書会スペシャル)
Mikiya Okuno
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Satoshi Kato
FastAPIのテンプレートプロジェクトがいい感じだった話
FastAPIのテンプレートプロジェクトがいい感じだった話
NipponAlgorithm
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
Takuya Akiba
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
y-uti
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
Deep walk について
Deep walk について
Tamakoshi Hironori
Cプログラマのためのカッコつけないプログラミングの勧め
Cプログラマのためのカッコつけないプログラミングの勧め
MITSUNARI Shigeo
「宣言的プログラミング」とSDNのひとつの形態
「宣言的プログラミング」とSDNのひとつの形態
npsg
Mais conteúdo relacionado
Mais procurados
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
Deep Learning Lab(ディープラーニング・ラボ)
はじめての「R」
はじめての「R」
Masahiro Hayashi
Stan超初心者入門
Stan超初心者入門
Hiroshi Shimizu
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Kohta Ishikawa
Rの高速化
Rの高速化
弘毅 露崎
Marp Tutorial
Marp Tutorial
Rui Watanabe
協調フィルタリング入門
協調フィルタリング入門
hoxo_m
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~
Yuya Unno
ベイズファクターとモデル選択
ベイズファクターとモデル選択
kazutantan
FastAPIを使って 機械学習モデルをapi化してみた
FastAPIを使って 機械学習モデルをapi化してみた
Sho Tanaka
なぜ、いま リレーショナルモデルなのか(理論から学ぶデータベース実践入門読書会スペシャル)
なぜ、いま リレーショナルモデルなのか(理論から学ぶデータベース実践入門読書会スペシャル)
Mikiya Okuno
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Satoshi Kato
FastAPIのテンプレートプロジェクトがいい感じだった話
FastAPIのテンプレートプロジェクトがいい感じだった話
NipponAlgorithm
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
Takuya Akiba
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
Takashi J OZAKI
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
y-uti
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
takehikoihayashi
Deep walk について
Deep walk について
Tamakoshi Hironori
Mais procurados
(20)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
はじめての「R」
はじめての「R」
Stan超初心者入門
Stan超初心者入門
Rでisomap(多様体学習のはなし)
Rでisomap(多様体学習のはなし)
Rの高速化
Rの高速化
Marp Tutorial
Marp Tutorial
協調フィルタリング入門
協調フィルタリング入門
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Statistical Semantic入門 ~分布仮説からword2vecまで~
Statistical Semantic入門 ~分布仮説からword2vecまで~
ベイズファクターとモデル選択
ベイズファクターとモデル選択
FastAPIを使って 機械学習モデルをapi化してみた
FastAPIを使って 機械学習モデルをapi化してみた
なぜ、いま リレーショナルモデルなのか(理論から学ぶデータベース実践入門読書会スペシャル)
なぜ、いま リレーショナルモデルなのか(理論から学ぶデータベース実践入門読書会スペシャル)
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
FastAPIのテンプレートプロジェクトがいい感じだった話
FastAPIのテンプレートプロジェクトがいい感じだった話
プログラミングコンテストでの動的計画法
プログラミングコンテストでの動的計画法
Rで計量時系列分析~CRANパッケージ総ざらい~
Rで計量時系列分析~CRANパッケージ総ざらい~
分類問題 - 機械学習ライブラリ scikit-learn の活用
分類問題 - 機械学習ライブラリ scikit-learn の活用
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
相関と因果について考える:統計的因果推論、その(不)可能性の中心
相関と因果について考える:統計的因果推論、その(不)可能性の中心
Deep walk について
Deep walk について
Semelhante a Shinyユーザのための非同期プログラミング入門
Cプログラマのためのカッコつけないプログラミングの勧め
Cプログラマのためのカッコつけないプログラミングの勧め
MITSUNARI Shigeo
「宣言的プログラミング」とSDNのひとつの形態
「宣言的プログラミング」とSDNのひとつの形態
npsg
DLR言語によるSilverlightプログラミング
DLR言語によるSilverlightプログラミング
terurou
Mk network programmability-03
Mk network programmability-03
Miya Kohno
Herlockサービス紹介
Herlockサービス紹介
SONICMOOV CO.,LTD.
デザインパターンを用いたリファクタリング
デザインパターンを用いたリファクタリング
kei takakuda
OpenSpan_PreMarketing
OpenSpan_PreMarketing
motani_kamakura
ゼロからのプログラミングRails講座 Codeanywhere版
ゼロからのプログラミングRails講座 Codeanywhere版
DIVE INTO CODE Corp.
デブサミ2013【15-E-2】Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
デブサミ2013【15-E-2】Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
Developers Summit
Xamarin 概要 2014年08月版
Xamarin 概要 2014年08月版
Yoshito Tabuchi
APIドキュメントの話 #sphinxjp
APIドキュメントの話 #sphinxjp
Takeshi Komiya
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
Rakuten Group, Inc.
Rubyの会社でPythonistaが3ヶ月生き延びた話
Rubyの会社でPythonistaが3ヶ月生き延びた話
Tokoroten Nakayama
Rubyの会社でPythonistaが三ヶ月生き延びた話
Rubyの会社でPythonistaが三ヶ月生き延びた話
Drecom Co., Ltd.
とあるメーカーのRedmine活用事例
とあるメーカーのRedmine活用事例
agileware_jp
HTML5 アプリ開発
HTML5 アプリ開発
tomo_masakura
おすすめインフラ! for スタートアップ
おすすめインフラ! for スタートアップ
Koichiro Sumi
Devsumi2013 Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
Devsumi2013 Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
Takashi Sogabe
Swiftで説明する「モナド」:Swiftにおける関数型プログラミングの使い方
Swiftで説明する「モナド」:Swiftにおける関数型プログラミングの使い方
Roy Kim
さくらのインフラコード
さくらのインフラコード
Yukihiko SAWANOBORI
Semelhante a Shinyユーザのための非同期プログラミング入門
(20)
Cプログラマのためのカッコつけないプログラミングの勧め
Cプログラマのためのカッコつけないプログラミングの勧め
「宣言的プログラミング」とSDNのひとつの形態
「宣言的プログラミング」とSDNのひとつの形態
DLR言語によるSilverlightプログラミング
DLR言語によるSilverlightプログラミング
Mk network programmability-03
Mk network programmability-03
Herlockサービス紹介
Herlockサービス紹介
デザインパターンを用いたリファクタリング
デザインパターンを用いたリファクタリング
OpenSpan_PreMarketing
OpenSpan_PreMarketing
ゼロからのプログラミングRails講座 Codeanywhere版
ゼロからのプログラミングRails講座 Codeanywhere版
デブサミ2013【15-E-2】Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
デブサミ2013【15-E-2】Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
Xamarin 概要 2014年08月版
Xamarin 概要 2014年08月版
APIドキュメントの話 #sphinxjp
APIドキュメントの話 #sphinxjp
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
楽天市場で使われている技術、エンジニアに必要なコアスキルとはTechnology used in Rakuten, core skills neede...
Rubyの会社でPythonistaが3ヶ月生き延びた話
Rubyの会社でPythonistaが3ヶ月生き延びた話
Rubyの会社でPythonistaが三ヶ月生き延びた話
Rubyの会社でPythonistaが三ヶ月生き延びた話
とあるメーカーのRedmine活用事例
とあるメーカーのRedmine活用事例
HTML5 アプリ開発
HTML5 アプリ開発
おすすめインフラ! for スタートアップ
おすすめインフラ! for スタートアップ
Devsumi2013 Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
Devsumi2013 Ruby開発者のみなさん、mrubyで楽しく快適な組み込みアプリ開発を始めませんか?
Swiftで説明する「モナド」:Swiftにおける関数型プログラミングの使い方
Swiftで説明する「モナド」:Swiftにおける関数型プログラミングの使い方
さくらのインフラコード
さくらのインフラコード
Mais de hoxo_m
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
hoxo_m
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
hoxo_m
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
hoxo_m
学習係数
学習係数
hoxo_m
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
hoxo_m
AJAXサイトの情報をWebスクレイピング
AJAXサイトの情報をWebスクレイピング
hoxo_m
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
hoxo_m
経験過程
経験過程
hoxo_m
確率論基礎
確率論基礎
hoxo_m
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
hoxo_m
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
hoxo_m
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
hoxo_m
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
hoxo_m
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
hoxo_m
データの不備を統計的に見抜く (Gelman’s secret weapon)
データの不備を統計的に見抜く (Gelman’s secret weapon)
hoxo_m
カップルが一緒にお風呂に入る割合をベイズ推定してみた
カップルが一緒にお風呂に入る割合をベイズ推定してみた
hoxo_m
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
hoxo_m
チェビシェフの不等式
チェビシェフの不等式
hoxo_m
swirl パッケージでインタラクティブ学習
swirl パッケージでインタラクティブ学習
hoxo_m
Mais de hoxo_m
(20)
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【理論編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
Prophet入門【R編】Facebookの時系列予測ツール
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
学習係数
学習係数
Prophet入門【Python編】Facebookの時系列予測ツール
Prophet入門【Python編】Facebookの時系列予測ツール
AJAXサイトの情報をWebスクレイピング
AJAXサイトの情報をWebスクレイピング
高速なガンマ分布の最尤推定法について
高速なガンマ分布の最尤推定法について
経験過程
経験過程
確率論基礎
確率論基礎
シンギュラリティを知らずに機械学習を語るな
シンギュラリティを知らずに機械学習を語るな
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
非制約最小二乗密度比推定法 uLSIF を用いた外れ値検出
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
階層モデルの分散パラメータの事前分布について
階層モデルの分散パラメータの事前分布について
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルの評価指標 Coherence 研究まとめ #トピ本
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
トピックモデルによる統計的潜在意味解析読書会 3.7 評価方法 - 3.9 モデル選択 #トピ本
データの不備を統計的に見抜く (Gelman’s secret weapon)
データの不備を統計的に見抜く (Gelman’s secret weapon)
カップルが一緒にお風呂に入る割合をベイズ推定してみた
カップルが一緒にお風呂に入る割合をベイズ推定してみた
Stan で欠測データの相関係数を推定してみた
Stan で欠測データの相関係数を推定してみた
チェビシェフの不等式
チェビシェフの不等式
swirl パッケージでインタラクティブ学習
swirl パッケージでインタラクティブ学習
Shinyユーザのための非同期プログラミング入門
1.
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
2.
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
3.
既刊・新刊 R による SNS 分析 (12月ごろ)
4.
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
5.
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
6.
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
7.
• 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
8.
ところが・・ ユーザA ユーザB 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
9.
非同期処理 ユーザA ユーザB 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
10.
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
11.
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
12.
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
13.
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)
14.
output$table <- renderTable({ long_task()
%>% head(input$n) }) output$table <- renderTable({ future({ long_task() }) %...>% head(input$n) }) 非同期化
15.
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簡単
16.
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
17.
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() })
18.
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
19.
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
20.
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
21.
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
22.
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
23.
非同期処理 メインプロセス 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? ?
24.
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$table <- reanderTable({ future({ read.csv(filepath) }) })
25.
プロミス • renderTable() の最終行はテーブルを返す必要があるはず •
しかし、プロミスを受け取った場合だけ特別な動作をする • このプロミスは「いずれテーブルを返す」オブジェクト • renderTable() はプロミスが結果を得るまで出力を待機する • テーブルの表示は future() の処理が終わってから行われる ➡ 非同期処理の結果を明示的に取得せずに済む
26.
• 非同期処理の結果はどうやって取得するの? ➡ Shiny
が勝手にやってくれる • プロミスは取り扱い方が特殊 ➡ promises パッケージ
27.
promises パッケージ • プロミスを扱う便利な関数を提供 •
例えば、filter() はプロミスには適用できない output$table <- renderTable({ future({ read.csv(filepath) }) %>% filter(date == input$date) })
28.
プロミスパイプ %...>% • プロミスに関数を連鎖する演算子 output$table
<- renderTable({ future({ read.csv(filepath) }) %...>% filter(date == input$date) }) • 結果は再びプロミスになる
29.
まとめ④ • プロミスを使えば、非同期処理の結果を明示的に取得 する必要がない • これは非同期処理におけるバグの混入を防ぐ •
promises パッケージはプロミスを扱う便利な関数を 提供する
30.
目次 ① 非同期プログラミングとは ② Shiny
における非同期プログラミング ③ future パッケージ ④ promises パッケージ ⑤ Shiny への組み込み ⑥ まとめ
31.
Shiny への組み込み • プロミスを
Shiny に組み込むにはいくつか制約がある • future() の中でリアクティブ式は使えない • プロミスを組み込めるのは次の3つ ① renderXXX() ② オブザーバ ③ リアクティブ式
32.
future() の中でリアクティブ式は使えない r1 <-
reactive({ ... }) r2 <- reactive({ future({ r1() }) # Error! }) r1 <- reactive({ ... }) r2 <- reactive({ val <- r1() future({ val }) # OK! })
33.
① renderXXX() への組み込み output$table
<- renderTable({ read.csv(url) %>% filter(date == input$date) }) output$table <- renderTable({ future({ read.csv(url) }) %...>% filter(date == input$date) })
34.
ここでクイズです
35.
どこが違う?(結果は同じ) output$table <- renderTable({ input_date
<- input$date future({ read.csv(url) %>% filter(date == input_date) }) }) output$table <- renderTable({ future({ read.csv(url) }) %...>% filter(date == input$date) })
36.
どこが違う? output$table <- renderTable({ input_date
<- input$date future({ read.csv(url) %>% filter(date == input_date) }) }) output$table <- renderTable({ future({ read.csv(url) }) %...>% filter(date == input$date) }) 別プロセスで実行 メインプロセス で実行
37.
どこに問題がある? output$plot <- renderPlot({ future({
read.csv(url) %>% plot() }) })
38.
どこに問題がある? output$plot <- renderPlot({ future({
read.csv(url) %>% plot() }) }) • plot() を別プロセスで行っている • メインプロセスに別プロセスのプロットを返すことができない 別プロセスで実行
39.
どこに問題がある? output$plot <- renderPlot({ 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
40.
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$refresh_data, { df <- read.csv(url) saveRDS(df, “cache.rds”) data(df) })
41.
② オブザーバへの組み込み data <-
reactiveVal(readRDS(“cache.rds”)) observerEvent(input$refresh_data, { future({ df <- read.csv(url) saveRDS(df, “cache.rds”) }) %...>% data() })
42.
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
43.
③ リアクティブ式への組み込み data <-
eventReactive({ read.csv(url) }) filteredData <- reactive({ data() %>% filter(date == input$date) }) output$table <- renderTable({ filteredData() %>% head(5) })
44.
③ リアクティブ式への組み込み data <-
eventReactive({ future({ read.csv(url) }) }) filteredData <- reactive({ data() %...>% filter(date == input$date) }) output$table <- renderTable({ filteredData() %...>% head(5) })
45.
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
46.
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
47.
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
Baixar agora