使用R的foreach() %dopar%生成的PDF损坏无法读取的原因及解决方法

• 用type='FORK'创建并行集群时，子进程会复制父进程的内存空间和文件描述符，但R的图形设备状态是进程私有的。子进程中调用dev.set()切换的是父进程PDF设备的副本，而非父进程中实际的设备实例。
• PDF文件需要在设备关闭时写入关键的交叉引用表和EOF标记来完成文件结构收尾，这些操作必须由创建该设备的进程（父进程）完成，但子进程对设备的写入没有同步更新父进程中设备的内部状态，导致父进程调用dev.off()时无法生成完整的PDF收尾信息，最终文件损坏。

由于并行进程无法安全共享父进程的图形设备，正确的做法是让每个并行任务独立完成PDF文件的打开、绘图、关闭流程。如果坚持要在外部管理文件，需要通过文件路径而非设备编号传递，让子进程自己打开对应文件：

修改后的代码 #

library(ggplot2)
library(parallel)
library(doParallel)
library(foreach)

# 修改makeplot函数，直接接收文件路径，自行管理设备生命周期
makeplot <- function(file_path) {
  pdf(file_path)
  plt <- ggplot(cars) + geom_point(aes(x=speed, y=dist))
  for(ii in seq(10)) {print(plt)}
  dev.off() # 子进程内自行关闭，完成PDF收尾
}

# 串行文件
fser <- c('test_serial_one.pdf', 'test_serial_two.pdf')
# 并行文件
fpar <- c('test_parallel_one.pdf', 'test_parallel_two.pdf')

# 串行处理
for(f in fser) {makeplot(f)}

# 并行处理
cl <- makeCluster(2, type='FORK')
registerDoParallel(cl)
foreach(f=fpar) %dopar% {makeplot(f)}
stopCluster(cl) # 记得关闭集群

关于“外部打开关闭PDF”的补充说明 #

如果必须在父进程打开所有PDF文件，需要通过文件句柄而非R设备编号传递，让子进程直接写入文件，但这种方式需要手动处理PDF的底层结构，复杂度极高，远不如让子进程独立管理设备可靠，因此不推荐。

内容的提问来源于stack exchange，提问作者stachyra