Linux McLappy的不当使用案例？

我一直在一台安装了LinuxMint（debian）的旧笔记本电脑上玩rstudio服务器

我一直在windows上运行，因此我从未利用过

并行

或

多核

软件包，我的目标是学习

rstudio服务器

以及

R linux

，以及多核处理如何加速我的进程

我每天使用的lapply的一个主要用途如下：

f <- function(x) {
   x1 <- data[1:50, x]
   x2 <- data[51:100, x]

   line <- c(paste0(mean(x1), " (", sd(x1), ")"),
             paste0(mean(x2), " (", sd(x2), ")"),
             t.test(x1, x2)$p.value)
   return(line)
 }

data <- data.frame(matrix(rnorm(2600, 85, 19), nrow=100, ncol=26))
names(data) <- letters

do.call(rbind, lapply(letters, f))

 microbenchmark(
     do.call(rbind, lapply(letters, f))
 )

中值时间为

120.9

毫秒

为什么会有如此巨大的差异

这台机器是一个2核恐龙。是不是在使用>=4核机器之前，您看不到好处？我的用例（按列计算data.frame）是否不适合看到好处

---

谢谢大家!

您的数据太小，因此在开销方面具有优势，请尝试

f <- function(x) {
  x1 <- data[1:50000, x]
  x2 <- data[50001:100000, x]

  line <- c(paste0(mean(x1), " (", sd(x1), ")"),
            paste0(mean(x2), " (", sd(x2), ")"),
            t.test(x1, x2)$p.value)
  return(line)
}

data <- data.frame(matrix(rnorm(2600, 85, 19), nrow=100000, ncol=26))

---

f我刚刚在我的双核处理器上尝试了这个。这个间隔缩短了约0.4毫秒，所以与您收到的更改没有什么相似之处，但至少是在正确的方向上。我决定以两种方式对系统施加压力，同时将要计算的变量数量增加一倍（最多52个），在这一点上，我最终发现McLappy的平均计算时间更快。谢谢
f <- function(x) {
  x1 <- data[1:50000, x]
  x2 <- data[50001:100000, x]

  line <- c(paste0(mean(x1), " (", sd(x1), ")"),
            paste0(mean(x2), " (", sd(x2), ")"),
            t.test(x1, x2)$p.value)
  return(line)
}

data <- data.frame(matrix(rnorm(2600, 85, 19), nrow=100000, ncol=26))