在遇到R里的大量重复操作时，可以考虑使用doParallel包提供的多线程处理技巧，大大提高分析速度。具体使用方法针对window与linux/mac平台有所区别。相关笔记如下

#查看系统平台
Sys.info()['sysname']

一、Linux/Mac平台

library(parallel)
# 检测系统的CPU数
detectCores()

1、lapply 多线程

• mclapply()函数，关键是mc.cores参数设置

cores=4
res = mclapply(1:10, function(x){
    <code>
    <code>
    }, mc.cores = cores)

2、for循环 多线程

• 配合foreach包。可通过调整参数，设置结果返回的形式，详见相关笔记，或者该包的帮助文档。

library(foreach)
library(doParallel)

cl=makeCluster(4)
registerDoParallel(cl) 
#专门加载所需要的分析包
clusterEvalQ(cl, library(package1))
clusterEvalQ(cl, library(package1)) 
 
res = foreach(i = 1:10) %dopar% {
    <code>
    <code>
    }
stopCluster(cl)

二、window平台

• 个人觉得window平台的笔记本电脑可能还是不太适合多线程的使用

library(parallel)
# 检测系统的CPU数
detectCores()

1、lapply 多线程

• parLapply()函数

cl <- makeCluster(4)
#专门加载所需要的分析包
clusterExport(cl, library(packages))
res=parLapply(cl, 1:10, function(x){
    <code>
    <code>
    })
stopCluster(cl) #需要显式的释放已加载的线程，比较麻烦

2、for循环的多线程调用同上

---

• 参考教程
  https://www.biostars.org/p/273107/