R语言foreach循环中使用迭代器的优势解析：含并行场景

我搞不懂在foreach::foreach循环里传递迭代器而非向量或列表有啥优势，尤其是性能层面的。查阅vignettes文档可知，迭代器的优势之一是能维护自身状态信息，尤其是当前索引。《Writing Custom Iterators》vignette中提到：

迭代器可减少任一时刻所需的总内存。

以及：

迭代器在并行计算中格外有用，因为它便于将问题拆分为可并行执行的小任务。

但我想知道在并行操作的耗时方面，迭代器的主要优势是什么？在%do%和%dopar%两种模式下，我为何要优先选择在foreach中使用迭代器？

补充说明 #

我知道Stack Overflow并非这类宽泛问题的最佳提问平台，但我的问题本质上偏理论。在此提供我使用foreach的典型任务示例：

示例代码1：直接使用向量 #

library(foreach)
library(doParallel)
# 注册隐式集群
registerDoParallel(parallel::detectCores()-1)

# 获取当前工作目录下部分文件的路径（如csv、txt等）
paths <- list.files(full.name = TRUE)

foreach(i = paths) %dopar% {
  df <- read.csv(i)
  # 执行可能耗时数分钟的操作
  write.csv(df, newpath)
}
stopImplicitCluster()

示例代码2：使用迭代器 #

foreach(i = iter(paths)) %dopar% {
  df <- read.csv(i)
  # 执行可能耗时数分钟的操作
  write.csv(df, newpath)
}

这段代码与使用向量的版本有何区别？我知道问题仍偏宽泛和理论，但@MrFlick提到部分工作流无法从迭代器获益，请问我的这个示例是否属于这类工作流？

内容的提问来源于stack exchange，提问作者Elia