Windows下R调用mclapply报mc.cores>1不支持错误如何解决

parallel包内置的mclapply靠系统层面的fork机制实现多进程并行，Windows系统本身不支持fork类型的多进程，所以只要在Windows环境下给mclapply设置mc.cores > 1就会触发这个报错，和你使用的R 4.2.0版本没有关系，属于系统兼容性问题。

方案1：切换为串行运行（零配置，最快跑通） #

直接把代码里mclapply的mc.cores参数值改为1即可，此时mclapply会退化为和lapply一致的串行执行逻辑，不需要修改其他业务代码，只是失去多核加速效果，20次迭代的计算量不大，串行也可以顺利跑完。
如果需要兼容Mac/Linux系统的多核能力，可以把参数写成自适应判断的形式，不用来回修改：

# 自动识别系统，Windows下自动用1核，类Unix系统用3核
core_num <- ifelse(.Platform$OS.type == "windows", 1, 3)

dists = mclapply(1:20, function(ii){
  # 此处原有循环内代码完全不变
  printprogress(ii, 20, start.time = start.time)
  dat1 = darwindat %>% add_blob(c(-150, -25))
  dat2 = darwindat %>% add_blob(c(-150 + 2*ii, -25), rotate = (ii / 20) * 90)
  val1 = dat1 %>% pull(val)
  val2 = dat2 %>% pull(val)
  costm = form_cost_matrix(dat1)
  res = omd(M1_long = dat1,
            M2_long = dat2,
            p = 1,
            geodesic = TRUE)
  diffval = val1 - val2
  twodists = c(omd = res$dist, rmse = sqrt(sum((diffval)^2)))
  return(twodists)
}, mc.cores = core_num)

方案2：替换为Windows兼容的多核并行逻辑（保留加速效果） #

如果需要在Windows下也用多核缩短计算时间，可以把fork模式的mclapply换成PSOCK集群模式的parLapply，这个并行模式是跨系统兼容的，修改后的完整代码段如下：

library(parallel)

start.time = Sys.time()
# 初始化3核的并行集群
cl <- makeCluster(3)
# 把循环中用到的自定义函数、全局对象导出到集群节点
clusterExport(cl, varlist = c(
  "darwindat", "printprogress", "add_blob", 
  "form_cost_matrix", "omd", "start.time"
))
# 给每个集群节点加载需要用到的依赖包
clusterEvalQ(cl, {
  library(tidyverse)
  # 此处补充你运行代码需要加载的其他项目依赖包
})

dists = parLapply(cl, 1:20, function(ii){
  # 此处原有循环内代码完全不变
  printprogress(ii, 20, start.time = start.time)
  dat1 = darwindat %>% add_blob(c(-150, -25))
  dat2 = darwindat %>% add_blob(c(-150 + 2*ii, -25), rotate = (ii / 20) * 90)
  val1 = dat1 %>% pull(val)
  val2 = dat2 %>% pull(val)
  costm = form_cost_matrix(dat1)
  res = omd(M1_long = dat1,
            M2_long = dat2,
            p = 1,
            geodesic = TRUE)
  diffval = val1 - val2
  twodists = c(omd = res$dist, rmse = sqrt(sum((diffval)^2)))
  return(twodists)
})
# 计算完成后关闭集群，释放系统资源
stopCluster(cl)

循环执行完成后，后续的距离矩阵计算、RDS保存代码不需要做任何修改，可以直接运行。

• 用方案2如果触发「找不到对象」「找不到函数」类报错，把报错提示里提到的对象/函数名补充到clusterExport的varlist向量里即可
• 只是验证代码逻辑的话优先选方案1，不需要额外配置，改一个参数就能跑通

内容的提问来源于stack exchange，提问作者oliver