事先知道要clusterExport的对象

我刚开始使用并行软件包，并已开始探索它们，以加快我的一些工作。我经常遇到的一个烦恼是，

foreach

命令会在我没有

clusterExport

相关函数/变量时抛出问题

例子 我知道下面的示例不一定需要

foreach

来加快速度，但为了便于说明，我将使用它

library(doParallel)
library(parallel)
library(lubridate)
library(foreach)

cl <- makeCluster(c("localhost", "localhost", "localhost","localhost"), type = "SOCK")
registerDoParallel(cl, cores = 4)

Dates <- sample(c(dates = format(seq(ISOdate(2010,1,1), by='day', length=365), format='%d-%m-%Y')), 500, replace = TRUE)

foreach(i = seq_along(Dates), .combine = rbind) %dopar% dmy(Dates[i])

Error in dmy(Dates[i]) : task 1 failed - "could not find function "dmy""

---

因此，我的问题是，除了查看错误以获取导出内容的线索外，是否有一种更优雅的方法可以事先知道要导出哪些对象，或者在运行

foreach

之前，是否有一种方法可以与所有从机共享全局环境？

无需像这样手动导出单个包函数。您可以将

.packages

参数用于

foreach

函数来加载所需的包，这样所有包函数都将可用于

%dopar%

表达式。

有一个

.packages

参数用于此。您介意详细说明吗？我尝试了（.packages（）），它列出了附加的包。但是如何导出包的所有对象？我尝试了clusterExport（cl，c（“库（lubridate）”）和clusterExport（cl，c（“lubridate”））但是没有用。我指的是

foreach

的

.packages

参数，而不是

.packages

函数。哦，好的。我现在明白了。你想把它作为一个答案，这样我就可以接受了吗？这对2.14.0中的新并行库（例如Parlappy）有效吗？@mindles.panda:您应该能够使用

clusterEvalQ（cl，library（packageName））

在每个集群节点上加载包。谢谢，我刚刚在parlappy的匿名函数中放置了一个

library（packageName）

。

clusterExport(cl, c("dmy"))