如何在R中限制loess函数的多核占用？

我完全理解你的困扰——在计算集群上运行loess()时，它会占用全部可用核心，对其他用户很不友好。其实这个问题的根源在于loess()底层依赖OpenMP实现并行计算，咱们不需要修改C/Fortran代码，通过设置环境变量就能轻松限制线程数。

方法1：临时限制当前R会话的线程数 #

在调用loess()之前，设置OMP_NUM_THREADS环境变量为1，这样当前会话中所有依赖OpenMP的代码都会仅使用1个核心。修改你的代码如下：

# 数据模拟
df <- data.frame(y = rpois(70000, rnorm(70000, 10, 2)), # y为计数数据
                 x = 50000 - rpois(70000, 100), 
                 z = runif(70000))

# 关键：设置OpenMP线程数为1
Sys.setenv(OMP_NUM_THREADS = 1)

# 再运行loess拟合
fit <- loess(y ~ x + z, data = df)

方法2：永久设置（针对所有R会话） #

如果你希望每次启动R都自动限制OpenMP线程数，可以在你的R启动脚本（比如~/.Rprofile）中添加以下代码：

# 启动时默认设置OpenMP线程数为1
Sys.setenv(OMP_NUM_THREADS = 1)

⚠️ 注意：这个设置会影响所有使用OpenMP的R函数，如果你之后需要其他函数并行计算，记得临时重新设置OMP_NUM_THREADS为需要的数值。

为什么本地和集群表现不同？ #

本地机器上loess()仅用1核，通常是因为你的R版本在编译时没有启用OpenMP支持，或者默认线程数被限制为1；而集群上的R版本一般是编译时开启了OpenMP，并且默认使用全部可用核心，所以才会出现资源占用差异。

内容的提问来源于stack exchange，提问作者teunbrand