Hyppää sisältöön

A new version of SD Connect and SD Desktop will be available from Monday, September 28. The major upgrade will introduce significant improvements, but also includes changes that are not compatible with the current version of the service. Click here to review the available support materials.

Warning!

Puhti and Mahti computing services have been decommissioned and no new jobs are accepted or executed on its compute nodes. Puhti and Mahti login nodes and storage services are planned to remain available until 15 October 2026. Clean up unnecessary files and move any data you need to keep by 31 August 2026. See the Roihu data migration guide for instructions on transferring your data to Roihu.

r-env

r-env tarjoaa R:n ja RStudio Serverin sekä useita muita ominaisuuksia niiden käytön helpottamiseksi. Se toimii Apptainer-kontissa.

Uutiset

18.8.2026 R-versio 4.6.1 on nyt saatavilla r-env:ssä Roihussa, ja se on asetettu oletusversioksi.
25.5.2026 r-env-dokumentaatio on päivitetty sisältämään ohjeet R:n käyttöön Roihu-supertietokoneella.
29.4.2026 r-env-dokumentaatio on päivitetty ja järjestelty uudelleen. Malliskriptit rinnakkaisille R-eräajoille löytyvät nyt erilliseltä opassivulta Esimerkkejä rinnakkaisista R-eräajoista.

Vanhemmat uutiset (näytä napsauttamalla)

17.2.2026 R-versio 4.5.2 on nyt saatavilla r-env:ssä Puhdissa ja Mahdissa, ja se on asetettu oletusversioksi.

22.7.2025 R-versio 4.5.1 on nyt saatavilla r-env:ssä Puhdissa ja Mahdissa, ja se on asetettu oletusversioksi.

7.4.2025 r-env on nyt saatavilla myös Mahdissa, mukaan lukien RStudio Mahdin selainkäyttöliittymässä. Moduuli toimii yleisesti ottaen samalla tavalla kuin r-env Puhdissa, mutta huomaa, että alla olevaa dokumentaatiota ei ole vielä päivitetty Mahdille. Mahdin uusi small-osio soveltuu monenlaiseen R- ja RStudio-työskentelyyn lukuun ottamatta kaikkein muistisyöpöimpiä tehtäviä. Puhtiin tottuneiden käyttäjien kannattaa huomata, että Mahdissa ei ole erillistä muistivarausta, ja ainoa tapa saada lisää muistia on varata enemmän ytimiä. Jos sinulla on kysyttävää R:n käytöstä Mahdissa, ota yhteyttä CSC Service Deskiin.

Saatavuus

r-env sisältää yli 1700 esiasennettua R-pakettia, mukaan lukien tuki paikkatietoanalyyseille ja rinnakkaislaskennalle. Suorituskyvyn parantamiseksi r-env on käännetty käyttäen Intel® oneAPI Math Kernel Librarya (oneMKL) (entinen Intel® MKL).

Pieniä poikkeuksia lukuun ottamatta r-env:n R-pakettiversiot on päivämäärälukittu (CRAN-paketit) tai kiinnitetty tiettyyn Bioconductor -versioon.

Nykyiset moduulit ja CSC:n supertietokoneilla tuetut versiot:

Moduulin nimi (R-versio) CRAN-pakettien päiväys Bioconductor-versio RStudio Server -versio oneMKL-versio Cmdstan-versio
r-env/461 (oletus) 23.7.2026 3.23 2026.07.1-147 2026.1.0 2.39.0
r-env/452 4.4.2026 3.22 2026.01.0-392 2025.3.0 2.39.0
Moduulin nimi (R-versio) CRAN-pakettien päiväys Bioconductor-versio RStudio Server -versio oneMKL-versio Cmdstan-versio
r-env/452 (oletus) 7.1.2026 3.22 2026.01.0-392 2025.3.0 2.38.0
r-env/451 7.7.2025 3.21 2025.05.1-513 2025.2.0 2.36.0
r-env/442 12.2.2025 3.20 2024.12.0-467 2025.0.1 2.36.0

Muut ohjelmistot ja kirjastot:

  • Open MPI (Mellanox OFED™ -ohjelmistolla) 4.1.9 (Roihu-CPU), 4.1.7 (r-env/452 Mahdissa, r-env/451), 4.1.2 (r-env 442)
  • TensorFlow 2.20.0 (r-env/452), 2.19.0 (r-env/451), 2.18.0 (r-env/442)
  • cget 0.2.0

Lisenssit

Lisenssitiedot r-env-kontin sisällä ovat saatavilla tiedostossa /usr/licensing.txt.

Käyttö

R:ää voi käyttää r-env-moduulilla useilla tavoilla:

Interaktiivinen käyttö

interactive-osiolla ajettavissa interaktiivisissa ajoissa on tietyt resurssirajat (aika, muisti, CPU-ytimet). Katso Roihun käytettävissä olevat resurssit.

Ei-interaktiivinen käyttö

  • Ei-interaktiiviset eräajot ilman varattuihin laskentaresursseihin kohdistuvia rajoituksia (muita kuin niitä, jotka koskevat kyseistä CSC:n supertietokonetta yleisesti)

Miten minun kannattaa käyttää R:ää r-env:n kanssa?

  • Interaktiivinen käyttö on tarkoitettu koodin valmisteluun ja pienempiin analyyseihin, jotka kestävät enintään muutamia tunteja, ja siinä resurssit voivat olla rajalliset.
  • Ei-interaktiiviset eräajot tarjoavat enemmän resursseja, ja niitä tulisi käyttää erityisesti pitkiin tai paljon resursseja vaativiin tehtäviin.

Interaktiivinen käyttö laskentasolmulla

1. RStudio

r-env-moduulia voidaan käyttää RStudio Serverin käynnistämiseen etänä verkkoselaimessa.

Suositeltu tapa käynnistää RStudio on käyttää supertietokoneen selainkäyttöliittymää. Katso myös erillinen dokumentaatio selainkäyttöliittymän RStudiosta.

RStudio Serverin voi käynnistää myös SSH-tunneloinnin kautta Mahdissa. Tämä vaihtoehto edellyttää tunnistautumista Secure Shell (SSH) -avaimella. Yksityiskohtaiset ohjeet löytyvät erillisestä RStudio Serverin käyttöoppaasta.

RStudio on tarkoitettu interaktiiviseen työskentelyyn, joka kuluttaa kohtuullisen määrän laskentaresursseja. Pitkät, paljon muistia vaativat tai muuten raskaat tehtävät kannattaa tehdä ei-interaktiivisina eräajoina.

2. R-konsoli interaktiivisessa komentotulkki-istunnossa

Jos haluat käyttää R:ää interaktiivisesti komentoriviltä laskentasolmulla, käynnistä ensin interaktiivinen komentotulkki-istunto.

Interaktiivisen komentotulkki-istunnon käynnistäminen (näytä ohjeet napsauttamalla)

Vaihtoehto 1. Avaa supertietokoneen selainkäyttöliittymissä komentotulkki-istunto Compute node shell -työkalulla. Resursseja valitessasi varmista, että varaat paikallista levytilaa väliaikaistiedostoille.

Vaihtoehto 2. Kun yhdistät supertietokoneeseen omalta työasemaltasi SSH-asiakasohjelmalla, avaa komentotulkki-istunto käyttämällä sinteractive-komentoa. Esimerkiksi alla oleva komento käynnistäisi istunnon, jossa on 4 Gt muistia ja 8 Gt paikallista levytilaa (Mahdissa).

Jokainen ydin antaa 1,875 Gt muistia. Jos tarvitset enemmän muistia, varaa enemmän ytimiä (enintään 32 ydintä 60 Gt muistille). Jokaisella käyttäjällä on oletuksena 20 Gt väliaikaista levytilaa interactive-osiossa.

sinteractive --account <project> --cores 2

Mahdissa jokainen ydin antaa 1,875 Gt muistia. Paikallista levytilaa tulee aina varata väliaikaistiedostoille valinnalla --tmp, kun R:ää käytetään interaktiivisesti.

sinteractive --account <project> --cores 2 --tmp 8

On mahdollista määrittää myös muita valintoja, mukaan lukien ajoaika (katso sinteractive --help tai sinteractive-dokumentaatio).

Kun olet avannut interaktiivisen komentotulkki-istunnon, voit käynnistää R:n komentoriviversion seuraavasti (huomaa, että komento täytyy suorittaa laskentasolmulla):

module load r-env
start-r

module load r-env
start-r

Interaktiivinen käyttö kirjautumissolmulla

R-konsolia on mahdollista käyttää kirjautumissolmulla myös kevyisiin tehtäviin. Käytä tätä vaihtoehtoa vain datan siirtämiseen, pakettien saatavuuden tarkistamiseen ja pakettien asentamiseen. Kirjautumissolmut eivät ole tarkoitettu raskasta laskentaa varten.

Käynnistä R-konsoli kirjautumissolmulla suorittamalla seuraavat komennot:

module load r-env
R --no-save

module load r-env
apptainer_wrapper exec R --no-save

Ei-interaktiiviset eräajot

R-skriptien ajaminen ei-interaktiivisesti eräajotiedostojen avulla antaa käyttöön enemmän resursseja ja painottaa tehokkuutta interaktiivisuuden sijaan. Eräajoja suositellaan erityisesti kaikkiin pitkiin ja paljon resursseja vaativiin tehtäviin.

Seuraavien esimerkkien lisäksi katso lisätietoja yleisestä eräajodokumentaatiosta. Jos eräajot ovat sinulle uusia, tutustu CSC Computing Environment -kurssin eräajoaineistoihin ja tähän opastukseen interaktiivisten R-ajojen ja R-eräajojen suorittamisesta.

Perusskripti R-eräajolle

Alla on esimerkki sarjallisesta R-eräajosta, joka käyttää yhtä ydintä. Huomaa, että käytössä on test-osio, jonka aikaraja on 15 minuuttia ja jota käytetään vain testaustarkoituksiin. Varsinaiset R-eräajot tulisi useimmissa tapauksissa ajaa small-osiossa. Katso lisätietoja käytettävissä olevista eräajo-osioista Roihussa.

Enemmän kuin yksi CPU-ydin?

Oletuksena R käyttää yhtä CPU-ydintä. Kun työskentelet R-skriptin tai -paketin kanssa, joka osaa hyödyntää useita ytimiä ja rinnakkaisprosessointia, tutustu rinnakkaisten R-eräajoskriptien esimerkkeihin.

Määrittelemme eräajoskriptin suorittamaan R-skriptin (tässä myscript.R). Mahdissa käytämme apptainer_wrapper-komentoa, joka varmistaa, että projektihakemistot näkyvät Apptainer-kontissa, jossa r-env toimii.

#!/bin/bash
#SBATCH --job-name=r_serial     # Ajon nimi
#SBATCH --account=<project>     # Määritä laskutusprojekti, esim. project_2001234
#SBATCH --output=output_%j.txt  # Tiedosto tulosteelle (%j on ajon tunniste)
#SBATCH --error=errors_%j.txt   # Tiedosto virheille (%j on ajon tunniste)
#SBATCH --partition=test        # Ajo-osio (jono), käytä yleensä 'small'
#SBATCH --time=00:05:00         # Ajon enimmäiskesto (hh:mm:ss)
#SBATCH --cpus-per-task=1       # Ytimien määrä
#SBATCH --ntasks=1              # Tehtävien määrä (muuta tätä vain monisolmu-/MPI-ajoissa)
#SBATCH --nodes=1               # Solmujen määrä (muuta tätä vain monisolmu-/MPI-ajoissa)
#SBATCH --mem-per-cpu=2000M     # Varattava muisti CPU-ydintä kohti

# Load the r-env module
module load r-env

# Run the R script
srun Rscript --no-save myscript.R

#!/bin/bash
#SBATCH --job-name=r_serial     # Ajon nimi
#SBATCH --account=<project>     # Määritä laskutusprojekti, esim. project_2001234
#SBATCH --output=output_%j.txt  # Tiedosto tulosteelle (%j on ajon tunniste)
#SBATCH --error=errors_%j.txt   # Tiedosto virheille (%j on ajon tunniste)
#SBATCH --partition=test        # Ajojono (osio), käytä yleensä 'small'
#SBATCH --time=00:05:00         # Ajon enimmäiskesto (hh:mm:ss)
#SBATCH --cpus-per-task=1       # Ytimien määrä (1.875 GB muistia kutakin kohti)
#SBATCH --ntasks=1              # Tehtävien määrä (muuta tätä vain monisolmu-/MPI-ajoissa)
#SBATCH --nodes=1               # Solmujen määrä (muuta tätä vain monisolmu-/MPI-ajoissa)

# Load the r-env module
module load r-env

# Clean up .Renviron file in home directory
if test -f ~/.Renviron; then
    sed -i '/TMPDIR/d' ~/.Renviron
fi

# Specify a temporary directory path (replace <project> with your project)
echo "TMPDIR=/scratch/<project>" >> ~/.Renviron

# Run the R script
srun apptainer_wrapper exec Rscript --no-save myscript.R

Yllä olevassa esimerkissä suoritetaan yksi tehtävä (--ntasks=1) yhdellä CPU-ytimellä (--cpus-per-task=1), 2 Gt muistilla (--mem-per-cpu=2000M) ja viiden minuutin ajoajalla (--time=00:05:00), jotka on varattu ajolle.

Komento module load r-env lataa uusimman saatavilla olevan r-env-version. Jos haluat määrittää ladattavan moduuliversion, käytä komentoa module load r-env/<version>, esimerkiksi module load r-env/461.

Tärkeää: varmista, että R-eräajollasi on riittävästi levytilaa väliaikaistiedostoille

Jokaisella käyttäjällä on oletuksena 20 GiB väliaikaista tallennustilaa paikallisella levyllä osioissa small, interactive ja test. Tätä tallennustilaa käytetään ympäristömuuttujan $TMPDIR kautta.

Jos R-ajosi tuottavat erittäin paljon tai erittäin suuria väliaikaistiedostoja, jotka ylittävät 20 GiB, käytä medium-osiota ja varaa kokonainen solmu, jolloin käytössäsi on oletuksena 600 GiB väliaikaista tallennustilaa $TMPDIR:n alla. Vaihtoehtoisesti voit varata nopeaa tallennustilaa eriytetystä tallennuksesta (tällä hetkellä saatavilla vain kokonaisen solmun ajoille) tai ohjata väliaikaistiedostot projektisi /scratch-hakemistoon alla olevan mukaisesti. Paikallisen tallennustilan käyttöä suositellaan /scratch-hakemiston käytön sijaan.

# Add this line to the batch job script to direct temporary files to the scratch directory of your
# project (replace <project> with your project)

echo "TMPDIR=/scratch/<project>" >> ~/.Renviron

Kun eräajotiedosto on valmis, se lähetetään eräajojärjestelmään kirjautumissolmulla:

sbatch batch_job_file.sh

Rinnakkaiset eräajot

r-env-moduulia voidaan käyttää rinnakkaislaskentaan useilla tavoilla. Näihin kuuluvat moniydin- ja taulukkotyöjonolähetykset sekä MPI (Message Passing Interface) -pohjaiset ja monisolmuajot. Moduulin mukana tulee useita paketteja, jotka tukevat monisolmuviestintää MPI:n kautta: future, snow, doMPI (käytetään yhdessä foreach-paketin kanssa) ja pbdMPI.

Katso erillinen dokumentaatio seuraavista aiheista:

Lisäneuvoja rinnakkaisista R-ajoista ja niiden tehokkaasta ajamisesta CSC:n supertietokoneilla saat ottamalla yhteyttä CSC Service Deskiin.

R-pakettien asennukset

r-env sisältää yli 1700 esiasennettua R-pakettia. Jos haluat tarkistaa, onko tietty paketti jo asennettu, helpoin tapa on yrittää ladata se:

library(packagename)

Jos et halua ladata pakettia, voit myös hakea sitä listasta:

installed_packages <- library()$results[,1]
"packagename" %in% installed_packages

Lisää R-paketteja voidaan asentaa kahta reittiä pitkin:

  • Asenna paketti itse projektillesi erilliseen pakettihakemistoon /projappl/<project>-hakemistossa (ohjeet alla)

  • Pyydä yleistä asennusta (tarjotaan kaikille käyttäjille osana moduulia): ota yhteyttä CSC Service Deskiin

Jos haluat asentaa paketin itse projektillesi:

Luo ensin uusi kansio projektisi projappl -hakemistoon. Kansion nimi voi olla haluamasi, mutta huomaa, että kansion tulee olla käytössäsi olevalle R-versiolle yksilöllinen. Eri r-env- ja R-versiot vaativat uuden asennuksen. Luo kansio R:ssä näin:

# Replace <project> with your project number (project_xxxxxxx) and <rversion> with the R version you are working with, for example `project_rpackages_461` for r-env/461.

dir.create("/projappl/<project>/project_rpackages_<rversion>")

Tämän jälkeen voit lisätä kansion R:n kirjastopolkuihin suorittamalla R:ssä seuraavan komennon:

.libPaths(c("/projappl/<project>/project_rpackages_<rversion>", .libPaths()))
Jos haluat käyttää /projappl-hakemistoon asennettuja R-paketteja, lisää yllä oleva komento R-skriptisi alkuun. Se muokkaa kirjastopolkuja vain kyseisen R-istunnon aikana. Toisin sanoen sinun täytyy suorittaa se joka kerta, kun käynnistät R:n.

Yllä olevien ohjeiden jälkeen pakettiasennusten pitäisi nyt oletuksena kohdistua projektikansioon. Seuraavalla komennolla voit tarkistaa, että kansio näkyy R:lle. Sen pitäisi olla listan ensimmäisenä.

.libPaths()

Voit tarvittaessa määrittää polun myös asennuskomennossa:

libpath <- .libPaths()[1]
install.packages("package", lib = libpath)

R-version voi hakea myös automaattisesti käyttämällä getRversion()-funktiota. Esimerkiksi:

.libPaths(paste0("/projappl/<project>/project_rpackages_", gsub("\\.", "", getRversion())))

Jotta .libPaths-asetusta ei tarvitsisi määrittää joka kerta R:ää käynnistettäessä, voit lisätä halutut muutokset .Renviron-tiedostoon alla olevan mukaisesti. Tätä lähestymistapaa suositellaan erityisesti silloin, jos asentamaasi pakettia käytetään rinnakkaisprosessoinnissa, jotta kaikki prosessit näkevät paketin.

echo "R_LIBS=/projappl/<project>/project_rpackages_<rversion>" >> ~/.Renviron

Kun käytät r-env:ä, käyttäjän määrittämät muutokset R:n kirjastopolkuihin täytyy määrittää R-istunnon sisällä tai .Renviron-tiedostoon liittyen. Muut muutokset (esim. ympäristömuuttujien muokkaaminen export-komennolla) eivät toimi, koska R-asennus toimii Apptainer-kontin sisällä. Jos analyysisi vaatisi muutoksia, joita ei voi toteuttaa yllä kuvatuilla tavoilla, ota yhteyttä meihin moduulitasoisen pakettiasennuksen saamiseksi.

Nopean paikallisen tallennustilan käyttö

Ajoissa, jotka lukevat ja kirjoittavat suuren määrän tiedostoja (I/O-intensiiviset analyysit), nopeaa paikallista tallennustilaa voidaan käyttää ei-interaktiivisissa eräajoissa pienillä muutoksilla eräajotiedostoon. Interaktiiviset R-ajot käyttävät nopeaa paikallista tallennustilaa oletuksena.

Alla on esimerkki sarjallisesta eräajosta, joka käyttää 10 Gt nopeaa paikallista tallennustilaa (--gres=nvme:10) Mahdissa. Tässä väliaikaishakemisto määritetään ympäristömuuttujalla TMPDIR, toisin kuin aiemmassa esimerkissä, jossa se asetettiin arvoon /scratch/<project>.

Roihun CPU-osioissa small, interactive ja test jokaisella käyttäjällä on oletuksena 20 GiB paikallista väliaikaista tallennustilaa. Tämä tallennustila soveltuu I/O-intensiivisiin tehtäviin, ja sitä käytetään ympäristömuuttujan $TMPDIR kautta. Jos tarvitset enemmän tallennustilaa I/O-intensiivisiin tehtäviin, katso ohjeet nopeasta paikallisesta scratch-tallennustilasta Roihussa.

#!/bin/bash -l
#SBATCH --job-name=r_serial_fastlocal
#SBATCH --account=<project>
#SBATCH --output=output_%j.txt
#SBATCH --error=errors_%j.txt
#SBATCH --partition=test
#SBATCH --time=00:05:00
#SBATCH --ntasks=1
#SBATCH --nodes=1
#SBATCH --cpus-per-task=1 # Each core gives 1.875 GB of memory
#SBATCH --gres=nvme:10

# Load the module
module load r-env

# Clean up .Renviron file in home directory
if test -f ~/.Renviron; then
    sed -i '/TMPDIR/d' ~/.Renviron
fi

# Specify temporary directory to the fast local storage
echo "TMPDIR=$TMPDIR" >> ~/.Renviron

# Run the R script
srun apptainer_wrapper exec Rscript --no-save myscript.R
Väliaikaistiedostojen tallennuksen lisäksi analysoitavat aineistot voidaan tallentaa nopealle paikalliselle asemalle sijaintiin, jonka muuttuja LOCAL_SCRATCH määrittää. Jotta R löytää datasi, sinun täytyy ilmoittaa tämä sijainti R-skriptissäsi. Kun olet käynnistänyt R:n, voit tulostaa sijainnin seuraavalla komennolla:

Sys.getenv("LOCAL_SCRATCH")

r-env:n käyttö Stanin kanssa

r-env-moduuli sisältää useita paketteja, jotka tarjoavat rajapinnan Staniin bayesiläiseen päättelyyn perustuvaa tilastollista mallinnusta varten, kuten rstan ja cmdstanr.

R:n käyttö CmdStan-taustaosan kanssa

r-env-moduulin mukana tulee erillinen CmdStan -asennus, joka on sidottu jokaiseen moduuliversioon. Sen käyttämiseksi oikea polku CmdStaniin täytyy asettaa cmdstanr:llä. Tämä tehdään seuraavasti:

# In r-env/461 (default):
cmdstanr::set_cmdstan_path("/appl/soft/manual/aida/x86_64/r-env/461-stan/cmdstan-2.39.0")

# In r-env/452:
cmdstanr::set_cmdstan_path("/appl/soft/manual/aida/x86_64/r-env/452-stan/cmdstan-2.39.0")

# In r-env/452 (default):
cmdstanr::set_cmdstan_path("/appl/soft/math/r-env/452-stan/cmdstan-2.38.0")

Jos käytät CmdStania interaktiivisessa istunnossa, yllä oleva komento toimii suoraan. Ei-interaktiivisissa eräajoissa Mahdissa CmdStanin polku täytyy asettaa erikseen eräajotiedostossa. Tämä tehdään lisäämällä seuraavat komennot muun eräajotiedoston sisällön lisäksi:

Eräajoskriptissä ei tarvita Cmdstan-kohtaisia asetuksia.

# Set R version
export RVER=452

# Launch R after binding CmdStan
SING_FLAGS="$SING_FLAGS -B /appl/soft/math/r-env/${RVER}-stan:/appl/soft/math/r-env/${RVER}-stan"
srun apptainer_wrapper exec Rscript --no-save script.R

Muut CmdStan-taustaosan käyttöön liittyvät yksityiskohdat ovat pakettikohtaisia. Yhtenä esimerkkinä sitä voisi käyttää brms -paketin kanssa:

library(brms)

fit_serial <- brm(
  count ~ zAge + zBase * Trt + (1|patient),
  data = epilepsy, family = poisson(),
  chains = 4, cores = 4, backend = "cmdstanr"
)

Huomaa, että brms:n ketjunsisäinen rinnakkaistus vaatii projektikohtaisen CmdStan-asennuksen. Ota yhteyttä CSC Service Deskiin saadaksesi ohjeet.

Säieaffiniteettimuuttujan APPTAINERENV_OMP_PLACES=cores on havaittu häiritsevän rstan-pakettia käyttäviä rinnakkaisajoja. Suosittelemme tällä hetkellä, että tätä muuttujaa ei käytetä Stania hyödyntävissä rinnakkaisissa R-ajoissa.

Profilointityökalut R:ssä

Yleisimmät profilointityökalut R:ssä ovat utils::Rprof() ja profvis. Kun yrität nopeuttaa R-ajoa, voit käyttää näitä työkaluja skriptisi hitaimpien osien tunnistamiseen ja muokata sitten niitä. Esimerkiksi eri pakettien funktiot voivat käyttää eri määrän aikaa samankaltaiseen laskennalliseen tehtävään. Lisätietoja saat aloittamalla lukemisesta profiloinnista profvisillä RStudiossa ja profiloinnista R:ssä yleisesti.

Käytännössä yleensä paras tapa nopeuttaa R-ajoa supertietokoneella on muokata se käyttämään useita ytimiä ja ajamaan rinnakkain. Katso esimerkkejä rinnakkaisista R-eräajoskripteistä ja johdantoa rinnakkaisiin R-ajoihin, ja ota yhteyttä CSC Service Deskiin saadaksesi neuvoja.

Työskentely Allaksen kanssa

r-env-moduulin mukana tulee aws.s3 -paketti S3-tallennuksen käyttöön, mikä mahdollistaa Allas-tallennusjärjestelmän käytön suoraan R-skriptistä. Katso tästä linkistä käytännön esimerkki rasteridatasta.

Allakseen pääsee r-env-moduulin kautta seuraavasti. Määritä ensin Allas suorittamalla nämä komennot terminaalissa. Tämä tarvitsee tehdä vain kerran, kun käytetään oletusarvoista S3-protokollaa Roihussa.

module load allas
allas-conf

Nyt voit käyttää ämpäriluetteloasi seuraavasti:

library(aws.s3)

Sys.setenv(AWS_S3_ENDPOINT="a3s.fi")
options("cloudyr.aws.default_region" = "")

bucketlist()

Datan latauskomennot riippuvat tiedostotyypistä. Tässä on esimerkkejä .RData-, .json- ja .csv-tiedostoille:

# .RData:
s3load(
  object = "path/to/file.RData",
  bucket = "your-bucket-name"
)

# .json file:
data <- s3read_using(
  FUN = jsonlite::fromJSON,
  object = "path/to/file.json",
  bucket = "your-bucket-name"
)

# .csv file:
data <- s3read_using(
  FUN = read_csv,
  object = "path/to/file.csv",
  bucket = "your-bucket-name"
)

Ongelmia pdf-renderöinnissä

Jos R Markdown- tai Quarto-dokumenttien pdf-renderöinti ei toimi, suorita seuraava komento R:ssä. Kun sinulta kysytään olemassa olevasta LaTeX-jakelusta, valitse y eli kyllä jatkaaksesi asennusta siitä huolimatta.

tinytex::install_tinytex()

Viittaaminen

Jos haluat selvittää oikeat viittaukset R:lle ja eri R-paketeille, voit kirjoittaa:

citation() # for citing R
citation("package") # for citing R packages

Lisätietoja

Suomenkielinen tekoälykäännös

Sisällössä voi esiintyä virheellistä tietoa tekoälykäännöksestä johtuen.

Klikkaa tästä antaaksesi palautetta

Ymmärrän.