Caching Rstudio、can和x27中的Rcpp；如果我没有'；t在Rstudio中打开cpp文件

我遇到了一个有线问题，但我想知道我问的问题是否正确：

result = parLapply(cl, 1:4, 
                     function(j,rho_list_needed,delta0_needed, 
                              V_iter_s,Sigma_list_needed) {
                       rhoj = rho_list_needed[[j]]
                       delta0_in_cpp = delta0_needed
                       v = as.vector(V_iter_s[,,,j])
                       sigmaj = Sigma_list_needed[[j]]
                       sourceCpp('sample_Z.cpp')#first time complie slow,then cashed
                       return(Sample_Z(rhoj,delta0_in_cpp, v,sigmaj,A,Cmatrix))
                     },rho_list_needed,delta0_needed,
                     V_iter[[s]],Sigma_list_needed)

当我通过parallel-through

parlappy

测试我的

sample_Z.cpp

时，单个计算大约需要1秒。通过并行计算，我的4次迭代大约需要1.2秒，与无与伦比的8秒版本相比，这是一个很大的改进

当我昨天运行我的程序时，一点问题都没有。刚才我注意到一个bug，修改了我的程序。为了给我的电脑一个全新的环境，我重新启动了电脑。开始运行程序时，我只打开

.R

文件，然后运行。但平行线需要9秒，过去是1.2秒。9秒是在我的核心预热之后，也就是说，在我计时之前已经获取了cpp

我只是不知道臭虫在哪里。然后尝试直接在我的global Merrime中获取cpp文件的源代码，我发现根本没有缓存。第二次和第一次用了同样的时间

但是我意外地在Rstudio中打开了

sample_Z.cpp

，在编辑器中显式打开。然后，现在一切都正常了

我不知道如何用什么样的关键字在谷歌上搜索类似的问题，也不知道是否必须打开cpp文件，而我以前从未知道

---

谁能告诉我真正的问题是什么？谢谢

重新启动电脑后，可能会有额外的进程在运行，这些进程可能会争夺CPU核心，从而降低算法的速度。您正在重新启动的事实向我表明您没有使用Linux。。。但如果您是，请在启动代码时使用

top

，或者在您的平台上使用等效工具进行观察