在R中使用多线程包

我需要多线程运行我的R应用程序，因为它需要5分钟的时间运行，并且只使用了计算机可用CPU的15%

运行一段时间的过程的一个示例是计算包含n层的非常大的光栅堆栈的平均值：

mean = cellStats(raster_layers[[n]], stat='sd', na.rm=TRUE)

使用并行库，我可以创建一个新集群并向其传递一个函数：

cl <- makeCluster(8, type = "SOCK")
parLapply(cl, raster_layers[[1]], mean_function)
stopCluster(cl)

---

cl解决方案来自Ben Barnes，谢谢

以下代码可以正常工作：

mean_function <- function(variable)
{
result = cellStats(variable, stat='mean', na.rm=TRUE)
return(result)
}

cl <- makeCluster(procs, type = "SOCK")
clusterEvalQ(cl, library(raster))   
result = parLapply(cl, a_list, mean_function)
stopCluster(cl)

mean_函数
export
可能吗？这是一个非常有用的建议谢谢，我将尝试使用一个包可能使用名称空间，即
raster:：cellStats
？clusterEvalQ
建议使用
clusterEvalQ（cl，library（raster））
在集群节点上加载包。我试图重现您的示例，但有些变量我无法访问。例如，带数和列表是多少？具体地说，我想使用更多的核心来运行cellStats命令：库（光栅）#生成一些数据cmip我对我的答案进行了一点编辑，以使这个答案更直观。谢谢编辑。在我的例子中，我使用的不是光栅，而是光栅砖（具有多个图层的光栅）。你的代码还能用在我身上吗？我的尝试没有取得任何成功。是的，我想是的，用光栅砖的每一层填充a_列表，确保您的procs值与您放入列表的层数相同。
mean_function <- function(variable)
{
result = cellStats(variable, stat='mean', na.rm=TRUE)
return(result)
}

cl <- makeCluster(procs, type = "SOCK")
clusterEvalQ(cl, library(raster))   
result = parLapply(cl, a_list, mean_function)
stopCluster(cl)