我已经编写了相对庞大的函数（大约 500 行；包括一些数据节省、学习 ANN 并进行预测），它的输出是 data.frames 列表，但问题是当输出应该是更大的列表时（例如 30 000 个数据.frames 在这个列表中）。我以这种方式使用该功能
output_list<-mclapply(c(1:30000),FUN,mc.cores=detectCores(),mc.preschedule=FALSE)
当我将它用于
c(1:1000)
大约需要 100 秒，每秒 10 个数据帧。但是当我使用它时，可以说
c(1:10000)
它显着减慢，大约需要 6500 秒。随着向量 c() 的增加，它越来越慢。
我试图通过减少 FUN 来解决它（对小向量 c() 的影响不大，但在更大的计算上也有同样的问题）
A 还尝试通过创建 for 循环来修复它，该循环计算 200 个案例并将它们放入空列表中，然后再计算 200 个计算，加入这个空列表（它还不是空的，它涉及最后一次计算的帧），然后再次直到最后都一样。
但结果是一样的，它再次急剧减速。我想该错误将在环境中的某个地方或某些内存问题中。有没有人有这方面的经验？任何建议如何解决它？计算仍然相同，所以我不明白为什么它对较小的计算效果很好，而对大型计算则减慢。谢谢你的建议。