MRO
MRO（Microsoft R Open），主要是用于对向量/矩阵运算进行大幅度的提升。R一般被设计成一直只能使用一个线程（处理器），即使在今天，R也以这种方式工作，除非与多线程BLAS/LAPACK库相连接。而MRO附带MKL库，提供了R使用的BLAS和LAPACK库函数，这个库把定制的RevoUtilsMath包安装到默认搜索路径，从而提高矩阵运算。
MRO官网：Welcome to MRAN . MRAN (microsoft.com)
值得说明的是，到2021/12/27为止，MRO的版本还停滞在2020/9月版本----MRO版本：4.0.2；R版本：4.0.2。MRO官网也好像已经暂停维护了。。。
而对MRO的搭建，目前有三种方法：
- 直接按照官网的流程：Root一键安装；
- Conda安装，但Conda版本的MRO是3.6.1；
- 手动编译；
非Root权限，又追求较新版本的R的话，只能手动编译，网上的教程很多，比较靠谱的是：
Centos 下非 Root 安装 Microsoft R Open (qq.com)
关于安装过程中由于缺少的部分相关库而出现报错的问题，可以从其它文件中连接到XXXX/4.0.2/stage/Linux/bin/x64中，例如：缺少libiomp5.so
locate libiomp5.so
/anaconda3/envs/orthofinder/lib/libiomp5.so
/anaconda3/envs/qiime1/lib/libiomp5.so
/anaconda3/lib/libiomp5.so
anaconda3/pkgs/intel-openmp-2019.4-243/lib/libiomp5.so
....
ln -s /anaconda3/envs/orthofinder/lib/libiomp5.so XXXX/4.0.2/stage/Linux/bin/x64
#当运行R出现，则说明安装成功：
Microsoft R Open 4.0.2
The enhanced R distribution from Microsoft
Microsoft packages Copyright (C) 2020 Microsoft Corporation
Using the Intel MKL for parallel mathematical computing (using 36 cores).
Default CRAN mirror snapshot taken on 2020-07-16.
See: https://mran.microsoft.com/.
#MRO查看线程数：
getMKLthreads()
设置线程数：
setMKLthreads(<value>)
MRO的效果：
在同版本下（R：4.0.2），进行矩阵运算：
# 启动R
~ R
# 方阵相乘
> x <- matrix(1:(3000 * 3000), 3000, 3000)
# 计算普通4.0.2版本R的耗时
> system.time(tmp <- x %*% x)
user system elapsed
45.337 0.488 77.455
#计算MRO4.0.2版本的耗时
> system.time(tmp <- x %*% x)
user system elapsed
17.174 1.418 1.770
###MRO的矩阵预算能力高出普通版本的2倍以上
值得注意的是，当升级R版本至4.1.2时，同样的运算，高阶版本的R运行更快。
> system.time(tmp <- x%*% x)
user system elapsed
3.114 4.344 0.696
在同样的运算上，MRO要比普通R运用更多线程数：
3EEBAB4492B64B20AD6345DAAACBEF7E.jpg
重点来了！！关于在MRO中R包的安装。
MRO自带R的library中的packages大部分是老版本，这对于你安装新的Packages非常不友好，甚至会引起安装报错，比如在安装Seurat 4.0.3过程中，出现的错误无非就几种：
- 缺失依赖包==>安装依赖包
- 依赖包版本错误==>安装对应版本的packages
- 依赖包编译失败==>指定较老版本的packages（当然需要与服务器中GCC版本对应）；Conda安装。
Packages安装的几种方法：
方法1：Devtools
require(devtools)
install_version("ggplot2", version = "0.9.1", repos = "http://cran.us.r-project.org")
方法2：源码安装
packageurl <- "http://cran.r-project.org/src/contrib/Archive/ggplot2/ggplot2_0.9.1.tar.gz"
install.packages(packageurl, repos=NULL, type="source")
方法3：CMD安装
###需要依赖Rtools软件
wget http://cran.r-project.org/src/contrib/Archive/ggplot2/ggplot2_0.9.1.tar.gz
R CMD INSTALL ggplot2_0.9.1.tar.gz
或：
install.packages("libs/xxxx.tgz",repo=NULL,type="source")
方法4：conda安装（r-packages）
###conda安装，这是没办法的办法，一键解决环境依赖问题，简直强到不行。
##需要注意的是需要将conda安装的R包移到本地R的library上，
##一般来说依赖和编译问题都能解决，但还是主推使用上面三种方法安装。
例如:
mamba install -c conda-forge polyclip==1.10.0
