与降雪库并行化的结果不可重现？

Question

每次运行以下代码时，向量result_seq 中的数字保持不变，因为我在生成向量之前使用了set.seed(11)。

然而，似乎即使我在生成result_par 中的数字之前再次使用set.seed(11)，但每次运行代码时数字都会改变。

library(snowfall)
snowfall::sfInit(parallel = TRUE, cpus = 4)

testFun = function(i) {
  result <- rnorm(1,10,3)
}

nsim <- 10

set.seed(11)
result_seq <- sapply(1:nsim, testFun)
print(mean(result_seq))

set.seed(11)
result_par <- sfLapply(1:nsim, testFun)
print(mean(as.numeric(result_par)))

为什么会这样？如何确保在降雪并行化过程中生成的随机数是可重现的？

Answer 1

由于 R 是单线程的，任何并行化的代码实际上都会启动多个会话。所以在这里，您实际上在sfLapply() 中分出了4 个单独的“子”会话，并且种子设置仅在您的“父”会话中发生一次。 “子”会话不知道其他会话，因此不知道您要在每个会话中重新设置种子。

您可以将set.seed() 移动到testFun() 以解决此问题：

testFun = function(i) {
  set.seed(11)
  result <- rnorm(1,10,3)
}

sfExport 可能值得探索，因为它旨在将参数分配给此类上下文的“子”会话。