Larga historia corta, gracias a Dirk Eddelbuettel la sugerencia, he jugado un poco con rredis y, de hecho, ofrece un buen número de interesantes soluciones.
Sin embargo, todavía me decidí a empezar a escribir mi propio desempeño analytics biblioteca (aunque, obviamente, más pequeños y más específicas para mi caso de uso) en combinación con un sistema establecido de Matemáticas/Estadísticas de la biblioteca porque necesito más de grano fino rendimiento de atribución de métricas, tales como el deslizamiento al pasado de windows, personalizar la distribución de la hipótesis, diferentes fórmulas de aproximación a la medición de retornos ajustados al riesgo para las operaciones de muy corto periodos de mantenimiento...
De haber profundizado un poco más en la ejecución en paralelo en R y la comprensión de cómo ejecutar varias sesiones de R en una sola máquina o en distribución de moda explica por qué no hay ninguna necesidad real de la demanda para equipar una sola sesión de R con funciones multiproceso. Créditos a Dirk y su me apunta en la rredis e indirectamente a la distribuye la carga de trabajo de procesamiento de dirección en la R. yo hasta ahora dependen en gran medida y totalmente personalizado plataforma de investigación y Matlab y por lo tanto no han hecho mucho con R. me fui cuando R todavía no podía manejar grandes conjuntos de datos y cuando no estaba la versión de 64 bits disponible (al menos no para Windows), que tipo de vencido el propósito leer una estadística de la plataforma informática en la que desde el principio (al menos para alguien que trabaja con grandes datos de series de tiempo). Obviamente, un buen número de cosas han cambiado y es interesante ver la explosión en el crecimiento de casos de uso y los paquetes tales como adaptadores que se conectan R con varios almacenes de datos, otras bibliotecas, idiomas, ...
