平行随机生成

Question

将以下函数转换为并行处理的最佳方法是什么？

myapply <- function(n, FUN, ...) { 
    lapply(1:n, function(i) { FUN(...) }) 
} 

我需要运行它与其他函数用于随机生成，例如，

myapply(100, function(...) rnorm(100, ...), 1, 1) 

所以我需要它来正确处理随机种子。此外，我希望代码是便携式和平台无关的，所以parallel::mcapply不适用于我。我正在考虑foreach与doParallel和doRNG，但doRNG目前不适用于CRAN上的Windows，并且未更新三年！我认为parallel::parLapply，但我正确地做clusterExport有问题，因为我没有要导出的元素的封闭列表（我发现this implementation或here，但我希望更简单些）。

Answer 1

future的包（我的作者）的future_lapply()功能提供了使用L'Ecuyer-CMRG RNG流，这也是什么parallel::mclapply()用途平行的RNG。它适用于所有操作系统，并且不管并行后端。

上的所有操作系统下工作，包括Windows：

myapply <- function(n, FUN, ...) { 
    future_lapply(1:n, function(i, ...) { 
    FUN(...) 
    }, ..., future.seed = TRUE) 
} 

library("future") 
plan(multiprocess) 

y <- myapply(100, function(...) rnorm(100, ...), mean = 1, sd = 1)