R，mclapply，vs

Question

我在所有的“令人尴尬的并行”计算中使用mclapply。我发现它干净易用，当参数mc.cores = 1和mc.preschedule = TRUE时，我可以在mclapply中插入browser()并逐行调试，就像在普通的R中一样--这对于更快地实现代码的生成是一个巨大的帮助。

foreach提供的mclapply没有提供什么？有什么原因我应该考虑写前瞻代码前进吗？

如果我正确理解，两种方法都可以使用multicore方法进行并行计算(允许分叉)，出于性能原因，我喜欢使用这种方法。

我已经看到foreach在不同的包中被使用，并且阅读了它的基本知识，但坦率地说，我发现它并不容易使用。我也想不出如何让browser()在foreach函数调用中工作。(是的，我读过这个线程browser mode with foreach %dopar%，但没有帮助我使浏览器正常工作)。

Answer 1

这个问题几乎与这里描述的问题相同：Understanding the differences between mclapply and parLapply in R。

mclapply正在为每个工作进程(线程/核心)在调用mclapply时创建主进程的克隆，保证可再现性。不幸的是，这在Windows上是不可能的，因为与多核相比，foreach或parLapply总是使用多会话并行。

当将parLapply或foreach与%dopar%一起使用时，通常需要执行以下附加步骤:创建PSOCK集群，根据需要注册集群，在集群工作人员上加载必要的包，将必要的数据和函数导出到集群工作人员的全局环境。

这就是为什么foreach有像.packages和.export这样的参数，使我们能够在会话之间分发所需的一切。

future包提供了多进程和多会话处理https://cran.r-project.org/web/packages/future/vignettes/future-1-overview.html之间区别的详细信息。

Answer 2

正如Steve (“foreach”的作者)所说的那样，使用foreach和doParallel作为后端，您可以初始化工作人员。这可以帮助每个工作人员更有效地设置数据库连接一次，而不是每任务一次。