我最近继承了一个遗留的 R 脚本，它在某些时候训练了一个带有大回归矩阵的梯度提升模型。此任务使用该doParallel::registerDoParallel函数并行化。最初，脚本以以下方式启动并行后端：
cl = makeCluster(10)
doParallel::registerDoParallel(c)
该工作站有 12 个 CPU 和 28 GB 的 RAM。回归矩阵刚刚超过 2 GB，我认为这种设置是可以管理的，但是，它会启动数十个子进程，耗尽内存并在几秒钟内使 R 崩溃。cores最终我了解到，在 Linux 上，可以通过使用以下参数来实现更可预测的设置：
doParallel::registerDoParallel(cores = 1)
其中cores实际上是每个 CPU 的子进程数，即cores = 2在这 12 个 CPU 架构中它启动了 24 个子进程。问题是，这么大的回归矩阵，12个子过程也太多了。
启动的子进程的数量如何registerDoParallel限制为 8 个？使用不同的并行化库会有所帮助吗？
更新：为了确定每个子进程所需的内存，我在没有启动集群或使用的情况下运行了脚本registerDoParallel；仍然产生了 12 个后端子流程。罪魁祸首是caret::train 功能，它似乎是在没有监督的情况下管理并行化。我在 GitHub 上打开了一个新问题，询问有关如何限制此函数使用的资源的说明。