R语言Picante包evol.distinct函数并行运行失败求助

• 并行计算时每个工作节点的运行环境相互独立、且和主环境隔离，你在%dopar%块内修改主环境定义的ed_calc矩阵不会同步回主进程，最终主环境里的ed_calc还是最开始定义的空矩阵。
• 你设置的combine='rbind'是按行合并结果，但原串行逻辑是每列存一棵树的ED值，合并逻辑和需求完全不匹配。
• 没有在并行环境中显式加载picante包，工作节点找不到evol.distinct函数会直接抛出报错；后续取行名时调用的newdata是循环内的临时对象，并行结束后主环境不存在这个对象，会报找不到对象的错误。
• 之前设置n.cores-6只开2个核心，对8核的CPU来说资源浪费比较严重。

# 加载所需依赖
library(picante)
library(parallel)
library(doParallel)
library(foreach)
library(matrixStats)

# 读入多棵系统发育树
phy <- read.nexus("output.nex")
# 提前提取统一的物种名（假设所有树的tip标签完全一致）
sorted_species <- sort(phy[[1]]$tip.label)
tree_num <- length(phy)

# 注册并行集群
core_num <- detectCores()
# 留1-2个核心给系统进程即可
cl <- makeCluster(core_num - 2, type = "FORK")
registerDoParallel(cl)

# 并行计算每棵树的ED值，结果直接按列合并
ed_calc <- foreach(
  i = 1:tree_num,
  .combine = "cbind",
  .packages = "picante"
) %dopar% {
  ed_result <- evol.distinct(phy[[i]], type = "fair.proportion")
  # 按物种名排序后返回ED值，保证每一行对应同一物种
  ed_result[order(ed_result[,1]), 2]
}

# 关闭集群，释放资源
stopCluster(cl)

# 整理结果格式
ed_calc <- as.data.frame(ed_calc)
rownames(ed_calc) <- sorted_species
colnames(ed_calc) <- paste0("tree_", 1:tree_num)

# 输出所有树的ED计算结果
write.table(ed_calc, file = "ED_Allpar.txt", append = FALSE, quote = TRUE, sep = " ",
            eol = "\n", na = "NA", dec = ".", row.names = TRUE,
            col.names = TRUE, qmethod = c("escape", "double"),
            fileEncoding = "")

# 计算每个物种ED的中位数并输出
ed_median <- rowMedians(as.matrix(ed_calc))
write.table(ed_median, file = "ED_Medianpar.txt", append = FALSE, quote = TRUE, sep = " ",
            eol = "\n", na = "NA", dec = ".", row.names = TRUE,
            col.names = TRUE, qmethod = c("escape", "double"),
            fileEncoding = "")

• 运行前请确认所有输入的系统发育树包含完全一致的物种标签，否则按名称排序后行对应的物种会出现错位。
• Manjaro系统支持FORK类型的集群，内存开销更小、启动速度更快；如果后续需要在Windows系统运行，要把集群类型改成PSOCK，同时通过.export参数把需要的对象传到工作节点。
• 如果单棵树的计算量不大，核心数不用开太多，避免多进程调度的开销抵消并行带来的速度提升。

内容的提问来源于stack exchange，提问作者Victor Manuel Martinez Arias