我已经编写了相对庞大的功能（大约500行;包括一些数据节省，学习人工神经网络并进行预测）哪个输出是data.frames列表，但问题是输出应该是更大的列表（例如此列表中有30 000个data.frames）。 我以这种方式使用这个功能
output_list<-mclapply(c(1:30000),FUN,mc.cores=detectCores(),mc.preschedule=FALSE)
当我用它时
c(1:1000)
大约需要100秒，每秒10个data.frames。 但是，当我使用它时，让我们说
c(1:10000)
它减慢了戏剧性的速度，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（小矢量c（）上的litle效果来修复它，但是在更大的计算上会出现同样的问题）
A还尝试通过创建for循环来修复它，计算200个案例并将它们放入空列表然后计算另外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）直到最后再一次。但结果是一样的，它再次戏剧性地放慢了速度。 我想这个bug会出现在环境或内存问题的某个地方。 谁有经验呢？有什么建议怎么解决？计算仍然是一样的，所以我不明白为什么它适用于较小的那些，而对于较大的那些则慢。 谢谢你的建议。