为什么R multicore只使用一个核心？

Question

  

可能重复：
  Parallel processing in R limited

我在R多核中编写了一些代码，我在24核机器上运行它。实际上只有12个核心，但它们是超线程的，所以它看起来有24个。

这就是奇怪的：所有线程都运行在同一个核心上！所以他们每个人只使用少量的cpu，而不是每个都在一个核心上运行，并且嚼掉所有可用的核心。

为简单起见，我只是运行4个线程：

mclapply( 1:30, function(size) {
    # time consuming stuff that is cpu bound (think "forecast.ets" et al)
}, mc.cores = 4, mc.preschedule = F )

在运行之前，已经有一个R进程在一个核心上运行，使用该核心容量的100％：

接下来，我启动了“多核过程”，另外4个线程争夺同一个核心！：

......所以，当他们每个人能够获得100％的核心时，他们每人获得一个核心的12％，或大约1％的可用处理能力。此外，另一个R流程现在只获得50％的核心。

OS是64位的Ubuntu 12.04。硬件是英特尔。 R是版本2.15.2“捣蛋”

思考？ （我知道我可以使用降雪，但我有很多变数，而且我真的不想要sfExport所有变量！）

编辑：哦，我想某处有一些全局锁定？但是，为什么两个完全独立的R进程之间会发生冲突？我可以并行运行两个R进程，每个进程占用核心CPU的100％。

Edit2：感谢Dirk的指针，我重建了openblas，现在看起来更健康了！：

Answer 1

可能的问题是OpenBLAS程序包可能产生的副作用，它会设置CPU亲和力，使进程粘在一个核心上。有关讨论，请参阅Parallel processing in R limited，并链接到有关修复的r-sig-hpc列表的更多讨论。