如何在R中并行化simr包的powercurve计算？

背景：simr包的powercurve()函数（Green & MacLeod, 2016）在使用Kenward-Roger或Satterthwaite方法计算p值时，运行效率极低（Luke, 2017），可通过并行计算显著缩短运行时间。

当然可以通过并行计算来加速powercurve()的运行，以下是两种实用的实现方案：

方案一：利用simr内置并行功能 #

simr原生支持基于parallel包的并行计算，只需简单设置参数即可启用：

• 初始化并注册并行集群：

library(simr)
# 根据CPU核心数设置，示例用4个核心
cl <- makeCluster(4)
registerDoParallel(cl)

• 调用powercurve()时开启并行：

# 假设已拟合好混合效应模型model
pc_result <- powercurve(
    model,
    test = fixed("目标固定效应项", method = "kenward-roger"), # 替换为"satterthwaite"可切换方法
    parallel = TRUE,
    nsim = 1000 # 根据需求调整模拟次数
)

• 模拟完成后关闭集群释放资源：

stopCluster(cl)

方案二：手动拆分任务并行（更灵活） #

如果需要自定义任务分配，可结合foreach和doParallel包手动拆分模拟任务：

• 加载依赖包：

library(simr)
library(foreach)
library(doParallel)

• 设置并行核心并注册：

cores <- detectCores() - 1 # 预留1个核心给系统进程
cl <- makeCluster(cores)
registerDoParallel(cl)

• 拆分模拟任务并并行执行：

total_sim <- 1000
# 平均分配模拟次数到各核心，处理余数
sim_per_core <- rep(total_sim %/% cores, cores)
sim_per_core[1:(total_sim %% cores)] <- sim_per_core[1:(total_sim %% cores)] + 1

# 并行运行模拟并合并结果
power_results <- foreach(i = 1:cores, .combine = rbind, .packages = "simr") %dopar% {
    single_core_result <- powercurve(
        model,
        test = fixed("目标固定效应项", method = "kenward-roger"),
        nsim = sim_per_core[i],
        parallel = FALSE # 关闭内置并行避免嵌套冲突
    )
    single_core_result@power
}

# 计算整体功效值
overall_power <- mean(power_results)

• 关闭集群：

stopCluster(cl)

关键注意事项 #

• 加速效果与CPU核心数正相关，但核心过多可能导致内存占用过高，尤其是模型规模较大时，建议根据硬件配置调整核心数。
• 使用Kenward-Roger方法时，需确保pbkrtest、lme4等依赖包为最新版本，避免并行兼容性问题。
• 避免在RStudio交互式环境中频繁启停集群，建议将并行代码写入脚本一次性执行，减少内存泄漏风险。

内容的提问来源于stack exchange，提问作者Pablo Bernabeu