我有一些R代码将函数应用于对象列表。该函数很简单，但涉及自举计算，可以使用mclapply轻松加速。在单个节点上运行时，一切都很好。
但是，我有一个集群，我一直在尝试将该函数的应用程序分发到跨多个节点的对象列表。要做到这一点，我一直在使用Rmpi（0.6-6）。
以下代码运行良好
library(Rmpi)
cl <- parallel::makeCluster(10, type='MPI')
parallel::clusterExport(cl, varlist=c('as.matrix'), envir=environment())
descriptor <- parallel::parLapply(1:5, function(am) {
val <- mean(unlist(lapply(1:120, function(x) mean(rnorm(1e7)))))
return(c(val, Rmpi::mpi.universe.size()))
}, cl=cl)
print(do.call(rbind, descriptor))
snow::stopCluster(cl)
但是，如果我将lapply转换为mclapply并设置mc.cores=10，则MPI会警告分叉会导致错误，并且作业会挂起。
（在所有情况下，工作都是通过SLURM提交的）
根据MPI警告，似乎我不应该在mclapply个工作中使用Rpmi。这是正确的评估吗？
如果是这样，是否有人建议如何并行化每个节点上运行的功能？