我有一个相当大的对象列表，我想并行应用一个复杂的函数，但是我当前的方法使用了太多的内存。我认为引用类可能会有所帮助，但是使用mcapply修改它们似乎无效。
该函数修改了对象本身，因此我用新对象覆盖了原始对象。由于该对象是一个列表，而我只修改了其中的一小部分，所以我希望R的“修改时复制”语义可以避免制作多个副本。但是，在运行它时，我正在做的事情似乎并非如此。这是我一直在使用的基本R方法的一个小示例。它将余额正确重置为零。
## make a list of accounts, each with a balance
## and a function to reset the balance
foo <- lapply(1:5, function(x) list(balance=x))
reset1 <- function(x) {x$balance <- 0; x}
foo[[4]]$balance
## 4 ## BEFORE reset
foo <- mclapply(foo, reset1)
foo[[4]]$balance
## 0 ## AFTER reset
看起来，使用引用类可能会有所帮助，因为它们是可变的，并且当使用
lapply时，它确实可以达到我的预期；余额重置为零。Account <- setRefClass("Account", fields=list(balance="numeric"),
methods=list(reset=function() {balance <<- 0}))
foo <- lapply(1:5, function(x) Account$new(balance=x))
foo[[4]]$balance
## 4
invisible(lapply(foo, function(x) x$reset()))
foo[[4]]$balance
## 0
但是，当我使用
mclapply时，它无法正确重置。请注意，如果您使用的是Windows或使用mc.cores=1，则会改为调用lapply。foo <- lapply(1:5, function(x) Account$new(balance=x))
foo[[4]]$balance
## 4
invisible(mclapply(foo, function(x) x$reset()))
foo[[4]]$balance
## 4
这是怎么回事？如何并行使用引用类？是否有更好的方法来避免不必要的对象复制？
最佳答案
我认为 fork 的进程虽然可以访问工作空间中的所有变量，但一定不能更改它们。这行得通，但是我还不知道它是否可以改善内存问题。
foo <- mclapply(foo, function(x) {x$reset(); x})
foo[[4]]$balance
## 0