R并行计算触发"Ancestor must be an environment"错误的原因是什么

云原生阿岚

2026-9-23

问题背景

我使用foreach开展并行计算同时处理大量时间序列，在compute_slope()函数中执行如下操作：

lBd <- floor(TMax^delta) # 下界
uBd <-  ceiling(m * TMax^delta) # 上界
    
# process是包含`n`和`variance`两列的tibble
process %>% 
  dplyr::filter(between(n, lBd, uBd)) %>% 
  lm(data = ., log(variance) ~ log(n)) %>% 
  coefficients() %>% 
  .[2]

逻辑很简单：通过参数TMax、delta和m计算截断上下界，用filter()对时间序列做左右截断后，在截断数据上运行线性回归取斜率系数。

大部分时候代码运行正常，但偶发报错，更长的时间序列（即TMax更大）更易触发问题，但触发规律并不固定，报错信息如下：

✖ Problem with `filter()` input `..1`.
ℹ Input `..1` is `between(n, lBd, uBd)`.
✖ `ancestor` must be an environment"

我完全无法理解该报错的含义，也没能复现该"ancestor"报错。我尝试了如下测试场景：

library(tidyverse)
# 常规场景，可正常运行
mpg %>% filter(between(hwy, 30, 31))
#> # A tibble: 11 x 11
#>    manufacturer model    displ  year   cyl trans   drv     cty   hwy fl    class
#>    <chr>        <chr>    <dbl> <int> <int> <chr>   <chr> <int> <int> <chr> <chr>
#>  1 audi         a4         2    2008     4 manual~ f        20    31 p     comp~
#>  2 audi         a4         2    2008     4 auto(a~ f        21    30 p     comp~
#>  3 chevrolet    malibu     2.4  2008     4 auto(l~ f        22    30 r     mids~
#>  4 hyundai      sonata     2.4  2008     4 auto(l~ f        21    30 r     mids~
#>  5 hyundai      sonata     2.4  2008     4 manual~ f        21    31 r     mids~
#>  6 nissan       altima     2.5  2008     4 auto(a~ f        23    31 r     mids~
#>  7 toyota       camry      2.4  2008     4 manual~ f        21    31 r     mids~
#>  8 toyota       camry      2.4  2008     4 auto(l~ f        21    31 r     mids~
#>  9 toyota       camry s~   2.4  2008     4 manual~ f        21    31 r     comp~
#> 10 toyota       camry s~   2.4  2008     4 auto(s~ f        22    31 r     comp~
#> 11 toyota       corolla    1.8  1999     4 auto(l~ f        24    30 r     comp~

# 边界变量未定义
mpg %>% filter(between(hwy, x, 31))
#> Error: Problem with `filter()` input `..1`.
#> i Input `..1` is `between(hwy, x, 31)`.
#> x object 'x' not found


# 边界为函数类型
mpg %>% filter(between(hwy, slice, 31))
#> Error: Problem with `filter()` input `..1`.
#> i Input `..1` is `between(hwy, slice, 31)`.
#> x cannot coerce type 'closure' to vector of type 'double'

上述测试均返回可解释的正常报错，和我遇到的ancestor报错不同。我怀疑报错与并行处理环节的异常有关，希望获得该ancestor报错的触发示例，以便反向定位代码问题。

问题更新

我在脚本中添加回溯后仍无法定位并行环节的问题，回溯信息如下：

Error in { : 
  task 34 failed - "Problem with `mutate()` column `grid_estimates`.
ℹ `grid_estimates = map(data, ~estimate_var_on_grid(process = ., TMax = TMax, grid = grid))`.
✖ Problem with `mutate()` column `slope`.
ℹ `slope = map2_dbl(m, delta, ~compute_slope(process, .x, .y, TMax))`.
✖ could not find function "::""
Calls: compute_metrics_on_stable_splits ... tibble -> tibble_quos -> eval_tidy -> %dopar% -> <Anonymous>
11: (function () 
    traceback(2))()
10: stop(simpleError(msg, call = expr))
9: e$fun(obj, substitute(ex), parent.frame(), e$data)
8: foreach(i = itx, .packages = c("tidyverse", "yardstick", "rsample"), 
       .export = #vector of exports removed for legibility
) %dopar% {
       i %>% 
         pull(splits) %>% 
         .[[1]] %>% 
         train_and_test(., train_grid = grid, my_mset = my_mset, 
                   method = method, TMax = TMax_eval)
       }
   }
7: eval_tidy(xs[[j]], mask)
6: tibble_quos(xs, .rows, .name_repair)
5: tibble(metrics = .)
4: list2(...)
3: bind_cols(select(splits, alpha), .)
2: foreach(i = itx, .packages = c("tidyverse", "yardstick", "rsample"), 
       .export = #vector of exports removed for legibility
) %dopar% {
       i %>% 
         pull(splits) %>% 
         .[[1]] %>% 
         train_and_test(., train_grid = grid, my_mset = my_mset, 
                   method = method, TMax = TMax_eval)
       }
   } %>% 
     tibble(metrics = .) %>% 
     bind_cols(select(splits, alpha), .)
1: compute_metrics_on_stable_splits(method = method, grid = grid, 
       my_mset = metric_set(accuracy, mcc, sens, spec), TMax_eval = TMax_eval, 
       v = 40)

此时报错变为could not find function "::"，和之前的ancestor报错一样无法解释。我还曾经遇到过如下报错：

'rho' must be an environment not pairlist: detected in C-level eval

脚本代码未做任何修改的情况下，报错类型会发生变化，甚至有时可以完全运行成功。目前没有任何排查思路，希望获得相关建议。

会话信息

R version 4.1.2 (2021-11-01)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Red Hat Enterprise Linux 8.2 (Ootpa)

Matrix products: default
BLAS/LAPACK: /pfs/data5/software_uc2/all/toolkit/Intel_OneAPI/mkl/2021.4.0/lib/intel64/libmkl_intel_lp64.so.1

locale:
 [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C
 [3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8
 [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8
 [7] LC_PAPER=en_US.UTF-8       LC_NAME=C
 [9] LC_ADDRESS=C               LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C

attached base packages:
[1] parallel  stats     graphics  grDevices utils     datasets  methods
[8] base

other attached packages:
 [1] yardstick_0.0.9   doParallel_1.0.16 iterators_1.0.13  foreach_1.5.1
 [5] forcats_0.5.1     stringr_1.4.0     dplyr_1.0.7       purrr_0.3.4
 [9] readr_2.1.1       tidyr_1.1.4       tibble_3.1.6      ggplot2_3.3.5
[13] tidyverse_1.3.1

loaded via a namespace (and not attached):
 [1] tidyselect_1.1.1 haven_2.4.3      colorspace_2.0-2 vctrs_0.3.8
 [5] generics_0.1.1   utf8_1.2.2       rlang_0.4.12     pillar_1.6.4
 [9] glue_1.5.1       withr_2.4.3      DBI_1.1.1        dbplyr_2.1.1
[13] modelr_0.1.8     readxl_1.3.1     lifecycle_1.0.1  plyr_1.8.6
[17] munsell_0.5.0    gtable_0.3.0     cellranger_1.1.0 rvest_1.0.2
[21] codetools_0.2-18 tzdb_0.2.0       fansi_0.5.0      broom_0.7.10
[25] Rcpp_1.0.7       scales_1.1.1     backports_1.4.0  jsonlite_1.7.2
[29] fs_1.5.1         hms_1.1.1        stringi_1.7.6    grid_4.1.2
[33] cli_3.1.0        tools_4.1.2      magrittr_2.0.1   crayon_1.4.2
[37] pkgconfig_2.0.3  ellipsis_0.3.2   xml2_1.3.3       pROC_1.18.0
[41] reprex_2.0.1     lubridate_1.8.0  assertthat_0.2.1 httr_1.4.2
[45] rstudioapi_0.13  R6_2.5.1         compiler_4.1.2

排查与解决方案

这类偶发、无规律、报错指向底层环境/基础函数缺失的问题，本质都是foreach并行时工作节点的环境损坏或污染导致的，对应你使用的doParallel+foreach组合，可按以下优先级排查：

规范并行集群的初始化与销毁逻辑
每次运行并行任务前，先显式销毁旧集群再新建集群，避免重复运行脚本时残留的异常节点被复用：

# 初始化前清理旧集群
if (exists("cl")) {
  parallel::stopCluster(cl)
  rm(cl)
}
# 新建集群并注册
cl <- parallel::makeCluster(parallel::detectCores() - 1)
doParallel::registerDoParallel(cl)

任务运行结束后也要显式关闭集群：

parallel::stopCluster(cl)
rm(cl)

规避tidyverse非标准评估(NSE)的环境查找风险
你当前使用的dplyr::filter(between(n, lBd, uBd))依赖rlang的环境查找逻辑，并行节点环境异常时很容易出现环境指针错误（你遇到的ancestor/rho报错本质都是环境类型错误）。可修改代码为显式传入参数，或者用基础R函数替代tidyverse的NSE操作：

# 修改compute_slope内的过滤逻辑，避免非标准评估
compute_slope <- function(process, m, delta, TMax) {
  lBd <- floor(TMax^delta)
  uBd <- ceiling(m * TMax^delta)
  # 用基础R逻辑替换dplyr filter
  process_trunc <- process[process$n >= lBd & process$n <= uBd, ]
  lm(log(variance) ~ log(n), data = process_trunc)$coefficients[[2]]
}

补全并行导出参数
确保所有并行块内部调用的自定义函数（包括compute_slope、estimate_var_on_grid、train_and_test）都被显式加入.export列表，不要依赖foreach的自动导出逻辑，自动导出经常出现环境绑定异常。另外可把base包加入.packages列表，避免出现::函数找不到的问题：

foreach(i = itx, 
        .packages = c("base", "tidyverse", "yardstick", "rsample"),
        .export = c("compute_slope", "estimate_var_on_grid", "train_and_test")
) %dopar% {
  # 任务逻辑
}

更换更稳定的并行框架
如果修改后还是偶发报错，可以替换为furrr+future的并行框架，环境处理比foreach+doParallel更稳定，对tidyverse的兼容性也更好。

补充ancestor报错的触发逻辑：当rlang执行非标准评估时，查找的父环境指针被错误指向了非环境类型的对象（比如并行节点环境被意外回收/覆盖为列表/数值）就会触发该报错，属于底层环境异常，和业务逻辑无关。

内容的提问来源于stack exchange，提问作者AlbertRapp

R并行计算触发"Ancestor must be an environment"错误的原因是什么

问题背景 #

问题更新 #

会话信息 #

排查与解决方案 #

问题背景

问题更新

会话信息

排查与解决方案