R语言plan(multisession)并行报错，plan(sequential)运行正常

核心问题定位 #

你遇到的并行计算报错，主要由两个关键问题导致：

1. 函数参数顺序错误：future_map_dfr会将.x的每个元素传入.f的第一个参数，但你的summaryModel函数将model放在第二个参数位置，导致模型列表被错误传入df参数，数据框被传入model参数，串行时的巧合兼容掩盖了这个问题，并行环境下暴露了数据结构不匹配的错误。
2. 并行worker依赖缺失：多进程模式下，每个worker是独立进程，不会自动继承主进程加载的包和环境变量，导致部分函数（如str_extract、auc、tidytable相关方法）行为异常，进一步触发vec_cbind的回收错误。

分步修复方案 #

1. 修正函数参数顺序 #

将model移到summaryModel的第一个参数位置，匹配future_map_dfr的参数传递逻辑：

summaryModel <- function(model, df, df_test, df_global) { # 调整参数顺序，model放首位
  # 原函数内部代码保持不变
}

2. 确保并行worker加载所有依赖包 #

在并行环境中，每个worker需要显式加载用到的包，可通过两种方式实现：

方式一：函数内部加载依赖

在summaryModel函数开头添加包加载语句：

summaryModel <- function(model, df, df_test, df_global) {
  # 加载所有依赖包
  library(tidyverse)
  library(pROC)
  library(tidytable)
  library(stringr)
  
  # 原函数后续代码...
}

方式二：通过future配置全局依赖

调用plan时指定需要传递给worker的包和变量：

plan(multisession, workers = detectCores()-2, 
     globals = list(
       "summaryModel" = summaryModel,
       "DF_MODEL_TRAIN" = DF_MODEL_TRAIN,
       "DF_MODEL_TEST" = DF_MODEL_TEST,
       "DF_MODEL_GLOBAL" = DF_MODEL_GLOBAL,
       "Liste_model" = Liste_model
     ))

# 或在future_map_dfr中直接指定依赖包
future_map_dfr(.x= Liste_model[1:2],.f = summaryModel, 
               df = DF_MODEL_TRAIN, df_test = DF_MODEL_TEST, df_global = DF_MODEL_GLOBAL, 
               .id = "VARIABLE",.progress = T,
               globals = c("tidyverse", "pROC", "tidytable", "stringr"))

3. 优化数据绑定逻辑 #

避免因check_pvalue行数不一致导致的绑定错误，先嵌套多行数据再绑定：

# 修改Output部分代码
liste_df2 <- liste_df2 %>%
  tidytable::bind_cols("Model" = as.character(model$formula)) %>%
  tidytable::bind_cols(check_pvalue2) %>%
  tidytable::mutate(data = list(check_pvalue)) # 用mutate嵌套多行数据，替代bind_cols后nest

验证步骤 #

1. 先修正函数参数顺序，测试并行运行，这是最可能的根本修复点；
2. 若仍报错，添加依赖包加载逻辑；
3. 最后调整数据绑定逻辑确保结构一致。

内容的提问来源于stack exchange，提问作者Rgrvkfer