如何让R使用更多的CPU和内存？ [复制]

无论 R 计算多么密集，它使用的 CPU 都不会超过 25%。我尝试过设置优先级rsession.exe to High乃至Realtime但用法保持不变。有什么方法可以增加 R 的 CPU 使用率以充分利用我的系统的潜力，或者我对这个问题的理解是否有任何误解？先谢谢您的帮助。

P.S.: Below is a screenshot of the CPU usage.

Base R 是单线程的，因此 4 核 CPU 上的使用率预计为 25%。在一台 Windows 机器上，可以使用以下任一方法将处理分散到集群（或核心，如果您愿意）parallel包和foreach包裹。

首先，并行包（R 2.8.0+中包含，无需安装）提供了基于snow包的功能——这些功能是lapply()。 foreach 包提供了 for 循环结构的扩展 - 请注意，它必须与并行包裹。

下面是使用这两个包进行 k 均值聚类的快速示例。思路很简单，就是（1）拟合kmeans()在每个集群中，(2) 结合结果和 (3) 选择最小值tot.withiness.

library(parallel)
library(iterators)
library(foreach)
library(doParallel)

# parallel
split = detectCores()
eachStart = 25

cl = makeCluster(split)
init = clusterEvalQ(cl, { library(MASS); NULL })
results = parLapplyLB(cl
                      ,rep(eachStart, split)
                      ,function(nstart) kmeans(Boston, 4, nstart=nstart))
withinss = sapply(results, function(result) result$tot.withinss)
result = results[[which.min(withinss)]]
stopCluster(cl)

result$tot.withinss
#[1] 1814438

# foreach
split = detectCores()
eachStart = 25
# set up iterators
iters = iter(rep(eachStart, split))
# set up combine function
comb = function(res1, res2) {
  if(res1$tot.withinss < res2$tot.withinss) res1 else res2
}

cl = makeCluster(split)
registerDoParallel(cl)
result = foreach(nstart=iters, .combine="comb", .packages="MASS") %dopar%
  kmeans(Boston, 4, nstart=nstart)
stopCluster(cl)

result$tot.withinss
#[1] 1814438

这些包的更多详细信息和更多示例可以在以下帖子中找到。

• 单机并行处理Ⅰ http://jaehyeon-kim.github.io/2015/03/Parallel-Processing-on-Single-Machine-Part-I
• 单机并行处理二 http://jaehyeon-kim.github.io/2015/03/Parallel-Processing-on-Single-Machine-Part-II
• 单机并行处理Ⅲ http://jaehyeon-kim.github.io/2015/03/Parallel-Processing-on-Single-Machine-Part-III