使用doParallel包时，registerDoParallel中的群集和核心有什么区别？
我的理解是正确的，在单机上这些是可以互换的，我会得到相同的结果：
cl <- makeCluster(4)
registerDoParallel(cl)
和
registerDoParallel(cores = 4)
唯一不同之处我认为makeCluster()必须使用stopCluster()明确停止。
答案 0 :(得分：6)
是的，从软件视图开始就是正确的。
在单机上这些是可以互换的，我会得到相同的结果。
了解群集＆＃39;和＆＃39;核心＆＃39;显然，我建议从“硬件”中思考。和＆＃39;软件＆＃39;水平。
在硬件级别，＆＃39;群集＆＃39;意味着网络连接的机器可以通过诸如插座之类的通信一起工作（需要更多的初始化/停止操作，如你所指出的stopCluster）。虽然＆＃39;核心＆＃39;表示本地CPU中的多个硬件核心，它们通常由共享内存协同工作（不需要从A到B明确发送消息）。
在软件级别，cluster和cores的边界有时并不清楚。该程序可以通过核心本地运行，也可以通过集群远程运行，高级软件不需要知道详细信息。因此，我们可以混合使用两种模式，例如在本地使用显式通信，在一台机器中设置cl，
并且还可以在每个远程机器中运行多核。
回到你的问题，设置cl或cores是否相等？
从软件中，程序将由相同数量的客户端/服务器运行，然后获得相同的结果。
从硬件上看，可能会有所不同。 cl表示将显式和cores与共享内存进行通信，但是如果高级软件优化得非常好。在本地机器中，两个设置都将进入相同的流程。我现在不深入doParallel，所以我不太确定这两者是否相同。
但实际上，最好为单机指定cores，为群集指定cl。
希望对您有所帮助。
答案 1 :(得分：4)
doParallel::registerDoParallel(<numeric>)的行为取决于操作系统，有关详细信息，请参阅print(doParallel::registerDoParallel)。
在Windows计算机上，
doParallel::registerDoParallel(4)
有效地做到了
cl <- makeCluster(4)
doParallel::registerDoParallel(cl)
即。它设置了四个（“PSOCK”）工作者在后台R会话中运行。然后，%dopar%将基本上使用parallel::parLapply()机制。使用此设置，您必须担心全局变量和程序包附加在每个工作程序上。
但是，在非Windows机器上，
doParallel::registerDoParallel(4)
结果将是%dopar%将使用parallel::mclapply()机制，而机制又依赖于分叉进程。由于使用了分叉，因此您不必担心全局变量和包。
答案 2 :(得分：1)
我认为所选择的答案过于笼统而且实际上并不准确，因为它没有触及doParallel包本身的细节。如果您阅读了小插曲，那实际上非常清楚。
并行包本质上是多核的合并 包装，由Simon Urbanek编写，以及雪包， 这是由卢克蒂尔尼和其他人写的。多核 功能仅支持多个工作者 支持fork系统调用的系统;这不包括Windows。通过 默认情况下，doParallel在类Unix系统上使用多核功能 和Windows上的雪功能。
我们将在这个小插图中使用类似雪的功能，所以我们从一开始 加载包并启动集群
要使用类似多核的功能，我们会指定数量 要使用的核心
总之，这取决于系统。集群是覆盖所有平台的更通用模式，核心仅适用于类Unix系统。
为了使界面一致，包对这两种模式使用相同的功能。
> library(doParallel)
> cl <- makeCluster(4)
> registerDoParallel(cl)
> getDoParName()
[1] "doParallelSNOW"
> registerDoParallel(cores=4)
> getDoParName()
[1] "doParallelMC"