我一直在使用doParallel包在R中进行并行计算的实验。据我了解，取决于如何调用registerDoParallel，您可能会使用multicore API或snow API。
例如，要利用multicore进行分叉，您需要执行以下操作：
registerDoParallel(4)
并利用snow进行分叉，您需要执行以下操作：
cl <- makeCluster(4, type="FORK")
registerDoParallel(cl)
我有一个相当简单的工作*，它正在计算矩阵对象的汇总统计信息。但是，尽管这两种方法表面上都使用了派生（因此所有子作业都应该访问相同的地址空间才能使用此矩阵），但性能/内存使用却截然不同。 （特别是multicore的效果要好得多。）
在尝试进一步诊断之前，我想过要问：是否有人对发生这种情况的原因有一个直观的解释，这是否正常？我一直在到处寻找可以分解两者之间差异的资源，但是我一直找不到能详细分解两者的内容。 （由于内存问题）是否存在multicore版本可以运行而snow版本不能运行的情况？
（注意：这全部是在具有16 GB RAM的Mac上。我确实读过这些线程-Does multicore computing using R's doParallel package use more memory?和reading global variables using foreach in R –几乎可以解决我的问题，但不能完全解决。）
*我很乐意提供我的代码，但它似乎与本示例无关。我希望对这两种方法之间的差异进行更一般的分类。