mclapply() 在 32 核系统上仅使用 2 个核
mclapply() using only 2 cores on 32 core system
我正在尝试加快与 Chase et al. 2011 计算的 raup-crick 差异相关的计算时间。为了实现这一点，我试图在基于 运行ning Rstudio 服务器的 32 核 ubuntu 机器上使用并行计算。
这是我用来尝试 运行 并行计算的代码。 Rstudio 使用两个内核来处理计算（通过 htop 确定），这表明我已经实现了一定程度的并行计算。但是，我希望 Rstudio 使用更多的内核，因为它最多可以使用 32 个内核。
f <- function(i) {
rc.shedding.otu <- raup_crick(df.shedding.otu, classic_metric = TRUE, plot_names_in_col1 = FALSE, reps = 999)
}
mclapply(1:100, f)
mclapply()并行计算的应用对我来说比较陌生。但是，我希望其他在该领域更有经验的人能够确定这是我的代码错误的结果还是基于我尝试执行的功能的限制。非常感谢任何见解或建议！
正如 user12728748 所建议的，此问题的解决方法是为参数 mc.cores = #L
发布一个值
我正在尝试加快与 Chase et al. 2011 计算的 raup-crick 差异相关的计算时间。为了实现这一点，我试图在基于 运行ning Rstudio 服务器的 32 核 ubuntu 机器上使用并行计算。
这是我用来尝试 运行 并行计算的代码。 Rstudio 使用两个内核来处理计算（通过 htop 确定），这表明我已经实现了一定程度的并行计算。但是，我希望 Rstudio 使用更多的内核，因为它最多可以使用 32 个内核。
f <- function(i) {
rc.shedding.otu <- raup_crick(df.shedding.otu, classic_metric = TRUE, plot_names_in_col1 = FALSE, reps = 999)
}
mclapply(1:100, f)
mclapply()并行计算的应用对我来说比较陌生。但是，我希望其他在该领域更有经验的人能够确定这是我的代码错误的结果还是基于我尝试执行的功能的限制。非常感谢任何见解或建议！
正如 user12728748 所建议的，此问题的解决方法是为参数 mc.cores = #L