如何控制R使用的CPU数量？

我使用的是它本身依赖于其他一些R包（survival、nbpMatching、MASS），而这反过来又导入了更广泛的依赖关系。 crossmatch包在一个（可能的）大矩阵上实现了一个统计测试，我需要经常计算这个矩阵（在MCMC算法中）。我编写了以下包装器，在计算实际测试之前计算一些预处理步骤（即最后一行中的

crossmatchtest（）

）：

通过

htop

进行监控。但是，如果我增加这个矩阵，R将使用尽可能多的可用内核（至少看起来是这样的）：

一般来说，我对这种并行化很满意，但我希望能够手动控制R进程使用的内核数量。我尝试了

选项（mc.cores=4）

但没有成功

---

我还可以设置其他变量吗？或者，找到负责使用多个核心的包的最佳方法是什么？

让我们看看依赖项：

library(miniCRAN)
tags <- "crossmatch"
dg <- makeDepGraph(tags, enhances = FALSE, suggests = FALSE)
set.seed(1)
plot(dg, legendPosition = c(-1, 1), vertex.size = 20)

---

首先，您需要告诉我们您的代码的哪一部分是并行的。您使用的任何函数？还是BLAS中的并行化与R相关联？Vanilla（base）R没有并行化。这就是我问题的重点：我没有并行化任何代码，它只是自动发生在依赖关系的深处，我不知道在哪里。我在文档中查找了crossmatch、NbpMatch和MASS，看看他们是否讨论了并行化，但他们没有。编辑：上面的代码应该足以在你自己的电脑上运行。有趣的是，并行化只发生在我的Ubuntu 16.04和macOS 10.12下，而不是在Fedora 27下。哦，酷，谢谢这个有趣的图表！显然，data.table不是我问题的原因，因为当我加载它时（这次在mac上），它会报告以下内容：“data.table的此安装未检测到OpenMP支持。它仍应工作，但处于单线程模式。”我怎样才能知道R是否链接到优化的BLAS，以及有没有办法为BLAS提供最大数量的线程？您是如何安装R的？是起重机吗？我想你自己没有把它链接到优化的BLAS上。我在mac上用自制软件安装了它。在其他机器上（ubuntu 16.04，fedora 27），它来自默认发行版的软件存储库。R中是否有命令检查其是否为链接版本？

extSoftVersion（）

？@kartofelsalat查看我的更新。这可能会让你解决这个问题。

library(MASS)
library(crossmatch)
source("theCodeFromAbove.R")
# create a dummy matrix
m = cbind(c(rep(0, 100), rep(1, 100)))
m = cbind(m, (matrix(runif(100), ncol=10, nrow=20, byrow=T)))
while(TRUE) { crossmatchdata(m) }

# create a dummy matrix
m = cbind(c(rep(0, 1000), rep(1, 1000)))
m = cbind(m, (matrix(runif(100000), ncol=1000, nrow=2000, byrow=T)))
while(TRUE) { crossmatchdata(m) }

library(miniCRAN)
tags <- "crossmatch"
dg <- makeDepGraph(tags, enhances = FALSE, suggests = FALSE)
set.seed(1)
plot(dg, legendPosition = c(-1, 1), vertex.size = 20)

library(RhpcBLASctl)
blas_set_num_threads(3)