我最近继承了一个传统的R脚本，在某些时候训练一个带有大回归矩阵的梯度增强模型。使用doParallel::registerDoParallel函数并行化此任务。最初，该脚本启动了并行后端：
cl = makeCluster(10)
doParallel::registerDoParallel(c)
工作站有12个CPU和28 GB RAM。回归矩阵刚刚超过2 GB，我认为这个设置是可管理的，然而，它会启动几十个子进程，耗尽内存并在几秒钟内崩溃R.最后我理解在Linux上，使用cores参数可以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，它在这12个CPU架构中启动了24个子进程。问题在于，如此庞大的回归矩阵，甚至12个子过程就太多了。
registerDoParallel启动的子流程数量如何限制在8？它会帮助使用不同的并行化库吗？
更新：为了确定每个子流程所需的内存，我运行了脚本而没有启动群集或使用registerDoParallel;然而，产生了12个后端子流程。罪魁祸首是caret::train 功能，它似乎是在没有疏忽的情况下管理并行化。我打开a new issue at GitHub询问有关如何限制此函数使用的资源的说明。