第81回R勉強会＠東京（#TokyoR）発表資料 https://tokyor.connpass.com/event/141318/

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