R 并行和串行处理的系统时间

我正在运行一个贝叶斯MCMC概率模型，并试图并行实现它。在比较并行和串行时，我得到了关于我的机器性能的令人困惑的结果。我没有很多做并行处理的经验，所以我可能做得不对

对于probit模型，我在

mcmcpcpack

包中使用

MCMCprobit

，对于并行处理，我在

parallel

包中使用

parlappy

这是我的串行运行代码，以及来自

system.time

的结果：

system.time(serial<-MCMCprobit(formula=econ_model,data=mydata,mcmc=10000,burnin=100))

   user  system elapsed 
 657.36   73.69  737.82

   user  system elapsed 
   0.26    0.53 1097.25 

你知道为什么并行进程的用户和系统时间会短得多，但运行时间却长得多吗？我在较短的MCMC运行（100和1000）中尝试了它，故事是一样的。我想我在什么地方犯了个错误

以下是我的电脑规格：

• R 3.1.3
• 8GB内存
• Windows 7 64位
• Intel Core i5 2520M CPU，双核

---

在我看来，这两个工人所做的工作与顺序版本中执行的工作一样多。工人应该只执行总工作量的一小部分，以便比顺序版本的代码执行得更快。在本例中，这可以通过将

mcmc

除以工人数量来实现，尽管这可能不是您真正想要做的

---

我认为这解释了

system.time

报告的长时间运行。“用户”和“系统”时间很短，因为它们是主进程的时间，在执行

parlappy

时使用很少的CPU时间：实际CPU时间由工作人员使用，而

system.time

没有报告。谢谢，我没有意识到我必须做mcmc/cores.@robin.datadrivers我不确定这是否会给你想要的结果，但你需要某种方法将问题分解成更小的部分，否则并行执行没有任何好处。我正在尝试进行10000次运行，并希望更快。我想你给每个核心发送5000的解决方案就是我想要的，除非我解释错了，或者我应该知道还有其他事情发生。

   user  system elapsed 
   0.26    0.53 1097.25