当使用as.formula、SE dplyr和lapply时，foreach包如何作用于R环境？

我有一个函数，可以动态地将多个公式构建为字符串，并将它们转换为带有

as.formula

的公式。然后，我使用

doSNOW

和

foreach

在并行过程中调用该函数，并通过

dplyr:：mutate\uu

使用这些公式

当我使用

lappy（formula\u list，as.formula）

时，并行运行时会出现错误

找不到函数*自定义函数*

，尽管在本地运行时效果很好。但是，当我使用

lappy（formula_list，函数（x）作为.formula（x）

时，它可以并行工作，也可以本地工作

为什么？了解这里的环境的正确方法是什么，以及编写环境代码的“正确”方法是什么

我确实收到了一条警告：

在e$fun（obj，substitute（ex），parent.frame（），e$data）中：已经在导出变量：*custom_func*

下面是一个最小的可复制示例

# Packages
library(dplyr)
library(doParallel)
library(doSNOW)
library(foreach)

# A simple custom function
  custom_sum <- function(x){
    sum(x)
  } 

# Functions that call create formulas and use them with nse dplyr:
  dplyr_mut_lapply_reg <- function(df){
    my_dots <- setNames(
      object = lapply(list("~custom_sum(Sepal.Length)"), as.formula),
      nm     = c("Sums")
    )

    return(
      df %>%
      group_by(Species) %>%
      mutate_(.dots = my_dots)
    )
  }

  dplyr_mut_lapply_lambda <- function(df){
    my_dots <- setNames(
      object = lapply(list("~custom_sum(Sepal.Length)"), function(x) as.formula(x)),
      nm     = c("Sums")
   )

    return(
      df %>%
      group_by(Species) %>%
      mutate_(.dots = my_dots)
   )
 }

#1. CALLING BOTH LOCALLY
dplyr_mut_lapply_lambda(iris) #works
dplyr_mut_lapply_reg(iris) #works

#2. CALLING IN PARALLEL
  #Faux Parallel Setup
  cl <- makeCluster(1, outfile="")
  registerDoSNOW(cl)

  # Call Lambda Version WORKS
  foreach(j = 1,
          .packages = c("dplyr", "tidyr"),
          .export   = lsf.str()
          ) %dopar% {
     dplyr_mut_lapply_lambda(iris) 
  }



  # Call Regular Version FAILS
  foreach(j = 1,
          .packages = c("dplyr", "tidyr"),
          .export   = lsf.str()
          ) %dopar% {
     dplyr_mut_lapply_reg(iris) 
  }

  # Close Cluster
  stopCluster(cl)   

#包
图书馆（dplyr）
图书馆（双平行）
图书馆（doSNOW）
图书馆（foreach）
#一个简单的自定义函数
custom_sum我没有确切的答案来解释原因，但是包（我是作者）处理这些类型的“棘手”全局变量-它们很棘手，因为它们不是包的一部分，并且是嵌套的，即一个全局变量调用另一个全局变量。例如，如果您使用：

library("doFuture")
cl <- parallel::makeCluster(1, outfile = "")
plan(cluster, workers = cl)
registerDoFuture()

library（“doFuture”）
cl这看起来非常有帮助！我肯定会对此进行更多的调查，尽管我会把这个问题留待讨论，以便我能更好地理解核心问题。