R 每个包的运行时间

我在R中使用

foreach

包时遇到问题。事实上，当我编译此代码时：

tmp=proc.time()
x<-for(i in 1:1000){sqrt(i)} 
x
proc.time()-tmp

对于正常循环：

utilisateur     système      écoulé 
      0.001       0.000       0.001 

所以正常循环运行得更快。。。这正常吗

---

谢谢您的帮助。

并行处理不会加快像

sqrt（x）

这样的简单操作。理想情况下，您可以将其用于更复杂的操作，或者执行以下操作：

x<- foreach(i=0:9,combine = 'c') %dopar% sqrt(seq(i*10000000,(i+1)*10000000-1))
x

---

根据您的系统，您可能需要在R之外做更多的工作来设置后端。

以下是一些测试代码，您可以用来在Windows上设置并行实验：

library(foreach)
library(doParallel)

cl <- makePSOCKcluster(2)
registerDoParallel(cl)

system.time({
  x <- foreach(i=1:1000) %do% Sys.sleep(0.001)
})

system.time({
  x <- foreach(i=1:1000) %dopar% Sys.sleep(0.001)
})

stopCluster(cl)

库（foreach）
图书馆（双平行）
你的比较有几个问题。1） 在“普通”代码中，不创建对象。2） 除非配置并行后端，否则并行代码不会并行运行。您没有显示此步骤，因此我假设您的并行代码以串行方式运行。谢谢您的回答！如何配置并行后端？谢谢您的回答！我试着像你告诉我的那样设置并行后端，但是运行时间仍然高于“正常”代码。R控制台用于并行计算：利用我们的系统0.471 0.032 0.585它确实比以前更好！如果你检查我答案的第一部分，你会发现当你的操作是
sqrt（x）
时，你不会获得并行运行的效率。计算机从计算循环的不同部分开始切换需要时间。您给出的示例有些琐碎（因为只使用
sqrt（1:1000）
最有意义），但一般来说，您希望为具有合理迭代次数的长任务保留并行计算。@SamyJelassi可能这是正常的。这意味着您的工作“不够慢”，无法从并行化中获利。是的，您是对的！谢谢你的帮助！我发现了如何使并行化更有效！
x<- foreach(i=0:9,combine = 'c') %dopar% sqrt(seq(i*10000000,(i+1)*10000000-1))
x

library(doParallel)
ncores = detectCores()
clust = makeCluster(ncores - 2)
registerDoParallel(clust)
#do stuff here
#...
stopCluster(clust)

library(foreach)
library(doParallel)

cl <- makePSOCKcluster(2)
registerDoParallel(cl)

system.time({
  x <- foreach(i=1:1000) %do% Sys.sleep(0.001)
})

system.time({
  x <- foreach(i=1:1000) %dopar% Sys.sleep(0.001)
})

stopCluster(cl)

> system.time({
+   x <- foreach(i=1:1000) %do% Sys.sleep(0.001)
+ })
   user  system elapsed 
   0.08    0.00   12.55 
> 
> system.time({
+   x <- foreach(i=1:1000) %dopar% Sys.sleep(0.001)
+ })
   user  system elapsed 
   0.23    0.00    6.09