r - R中的并行处理，何时使用parLapply

Question

我的环境是窗口（无法更改）。希望在 R(Rstudio) 中使用 Parallel Processing 来缩短运行计算的时间（Colleberative filltering）

我以前的开发人员选择使用 parLapply（Socket 方法）然后我进入了这个话题。

我在这里读了一篇文章 http://dept.stat.lsa.umich.edu/~jerrick/courses/stat701/notes/parallel.html#using-sockets-with-parlapply

帖子末尾的状态。

套接字方法可能发生的额外开销 - 它肯定会更快，但在这种情况下，添加的开销会减慢它的速度。

这意味着，并行计算在某些情况下可能无法加速。（对于socket，每个节点需要单独加载pacakges）

那么是否有任何矩阵可以帮助人们首先决定是否使用 parLapply？除了R中的'Parallel'包之外，还有其他包可以提高计算效率缩短时间吗？

另一个愚蠢的问题是，对于 R 中的并行处理，它只会有助于缩短时间，但不能帮助解决“R 中的大型数据集内存不足问题”对吗？例如使用 ARule 包计算规则

标签： rparallel-processing