OpenBlas让R的矩阵计算加速

R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。

R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。

要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。

关于作者：

• 张丹(Conan), 程序员Java,R,Javascript
• weibo：@Conan_Z
• blog: http://blog.fens.me
• email: bsspirit@gmail.com

转载请注明出处：
http://blog.fens.me/r-martix-openblas/

前言

昨天在IBM的大会上，又一次见到了OpenBlas主题的分享，这次必须要试一下。我第一次了解OpenBlas是在2年前的R语言大会上，听到了OpenBlas的各种优势，不过听完也就过去了。2年后再来这个项目，团队成员稳定，项目进展顺利，已经广泛接受，再不尝试一下就真的要落伍了。

目录

1. OpenBlas介绍
2. R和OpenBlas的安装
3. 让R语言加速

1. OpenBlas介绍

OpenBlas是一个开源项目，是由 中科院软件所并行软件与计算科学实验室 发起的基于GotoBLAS2 1.13 BSD版的开源BLAS库高性能实现。

BLAS（Basic Linear Algebra Subprograms 基础线性代数程序集）是一个应用程序接口（API）标准，用以规范发布基础线性代数操作的数值库（如矢量或矩阵乘法）。该程序集最初发布于1979年，并 用于建立更大的数值程序包（如LAPACK）。在高性能计算领域，BLAS被广泛使用。例如，LINPACK的运算成绩则很大程度上取决于BLAS中子程 序DGEMM的表现。为提高性能，各軟硬件厂商则针对其產品对BLAS接口实现进行高度优化。

项目主页：http://www.openblas.net/

2. R和OpenBlas的安装

OpenBlas可以为各种语言底层，提供矩阵计算的性能提升，那么让我们把R和OpenBlas结合试试吧！

本机的系统环境：

• Linux Ubuntu 14.01.1
• CPU 双核 Intel(R) Xeon(R) CPU E5-2650 v2 @ 2.60GHz
• 内存 4G

通过命令查看系统参数

# 操作系统
~ cat /etc/issue
Ubuntu 14.04.1 LTS \n \l

# CPU
cat /proc/cpuinfo 
processor	: 0
vendor_id	: GenuineIntel
cpu family	: 6
model		: 62
model name	: Intel(R) Xeon(R) CPU E5-2650 v2 @ 2.60GHz
stepping	: 4
microcode	: 0x428
cpu MHz		: 2600.048
cache size	: 20480 KB
physical id	: 0
siblings	: 2
core id		: 0
cpu cores	: 2
apicid		: 0
initial apicid	: 0
fpu		: yes
fpu_exception	: yes
c