R llply、alply等在Windows中运行串行

R llply、alply等在Windows中运行串行,r,plyr,R,Plyr,我发现plyr方法在Windows中以串行方式而不是并行方式运行-下面的示例是典型的,集群是创建并运行的,但在执行llply语句时,我观察到所有集群节点进程上的CPU活动短暂,内存使用增加,但随后它们都停止处理任何内容,rsession进程继续使用其处理器的100%左右,直到返回(正确的)结果 cl您使用的是“doParallel”软件包吗?是的,在某些情况下似乎有效,但并非如此。不确定公认的解决方案是否适用,但您是否考虑过这一点:是否有可能为人们提供一个可供测试的工作示例?当Parlappy似

我发现plyr方法在Windows中以串行方式而不是并行方式运行-下面的示例是典型的,集群是创建并运行的,但在执行llply语句时,我观察到所有集群节点进程上的CPU活动短暂,内存使用增加,但随后它们都停止处理任何内容,rsession进程继续使用其处理器的100%左右,直到返回(正确的)结果


cl您使用的是“doParallel”软件包吗?是的,在某些情况下似乎有效,但并非如此。不确定公认的解决方案是否适用,但您是否考虑过这一点:是否有可能为人们提供一个可供测试的工作示例?当Parlappy似乎有效时,为什么还要使用llply?我知道一定有一些原因让你更喜欢其中一个。你使用的是“doParallel”软件包吗?是的,它在某些情况下似乎有效,但不是这个。不确定公认的解决方案有多适用,但你有没有考虑过这个问题:是否有可能为人们提供一个工作示例进行测试?当Parlappy似乎有效时,为什么还要使用llply?我知道一定有什么原因让我们更喜欢其中一个。
cl <- makeCluster(detectCores()-1)
registerDoParallel(cl)
clusterExport(cl, "str_replace")
mydata$textfield <- unlist(llply(mydata$textfield, function(x) str_replace(x, "  ", " "),.parallel = T))
mydata$textfield <- unlist(parLapply(cl, mydata$textfield, function(x) str_replace(x, "  ", " ")))