我正在使用并行和 doParallel 包运行 ubuntu 12.04 和 R 2.15.1。当我并行运行任何东西时，我被限制为 100% 的内核，而我应该有高达 800% 的内核，因为我使用 8 个内核运行它。系统监视器上显示的是每个子进程只获得了 12%。
是什么限制了我的执行速度？
【问题讨论】：
doMC 包...但是没有看到您使用doParallel 的方式以及您正在使用的实现（foreach？.parallel 来自plyr？）我没有认为任何人都可以提供帮助。
标签： r ubuntu parallel-processing
问题可能在于 R 进程仅限于一个核心（并且子进程继承了该核心）。
试试这个：
> system(sprintf("taskset -p 0xffffffff %d", Sys.getpid()))
pid 3064's current affinity mask: fff
pid 3064's new affinity mask: fff
现在，如果在您的机器上，当前的关联掩码报告为 1，那么这就是问题所在。上面的行应该可以解决它（即第二行应该报告 fff （或类似的）。
Simon Urbanek 编写了一个函数mcaffinity，允许对多核进行这种控制。据我所知，它还在 R-devel 中。
有关详细信息，请参阅例如这个discussion on R-sig-hpc。
更新，补充郭鑫的回答：
如果您同时使用通过 openblas 的隐式并行化和显式并行化（通过 parallel/snow/multicore），您可能需要根据您是否在显式并行部分内来更改 openblas 使用的线程数。
这是可能的（在 Linux 下使用 openblas，我不知道有任何其他通常优化的 BLAS' 提供线程数的函数），请参阅Simon Fuller's blog post 了解详细信息。
【讨论】：
由于libblas.so(.3gf) 软件包，我遇到了同样的问题，我不知道这是否也会导致您的问题。当R 启动时，它会调用安装在您系统中的BLAS 系统来进行线性代数计算。我有libopenblas.so(.3gf)，它使用“CPU Affinity”选项进行了高度优化，也就是说，当你进行数值向量或矩阵计算时，openblas 包将只创建 8 个线程，并使每个线程都粘在一个指定和固定的 CPU 以加快代码速度。然而，通过设置这个，你的系统会被告知所有的 CPU 都非常繁忙，因此如果有更多的并行任务来，系统会尝试将它们挤到一个 CPU 中，以尽量不干扰繁忙的 CPU。
所以这是我的解决方案，我下载了一个 openblas 包源并用文件“Makefile.rule”编译它更改：有一行“#NO_AFFINITY = 1”，我刚刚删除了“#”，这样编译后，没有选择关联选项。然后我安装了这个包，问题就解决了。
有关此的参考，请参阅https://github.com/ipython/ipython/issues/840
请注意，这是一种权衡。去掉 CPU 亲和性会让你在进行数值计算时失去一些效率，这就是为什么 openblas 维护者（张先义博士）虽然知道这个问题，但他仍然将 cpu 亲和性作为默认选项发布代码。
【讨论】：
sudo update-alternatives --config libblas.so.3gf和sudo update-alternatives --config libblas.so，那么现在的blas真的是openblas系统吗？希望这会有所帮助。
我的猜测是您可能输入了错误的代码。我想发布一个从网上复制的例子http://www.r-bloggers.com/parallel-r-loops-for-windows-and-linux/：
library(doMC)
registerDoMC()
x<- iris[which(iris[,5]!='setosa'),c(1,5)]
trials<- 10000
r<- foreach(icount(trials), .combine=cbind) %dopar% {
ind<- sample(100,100,replace=T)
result1<- glm(x[ind,2]~x[ind,1],family=binomial(logit))
coefficients(result1)
}
您可以定义要并行使用的内核数量：
options(cores=4)
【讨论】：