我正试图加快Chase等人2011年计算的与raup-click相异性相关的计算时间。为了实现这一点，我试图在运行Rstudio服务器的基于32核ubuntu的机器上使用并行计算。
这是我用来尝试并行运行计算的代码。Rstudio使用两个核心来处理计算(通过htop确定(，这表明我已经实现了某种程度的并行计算。然而，我希望Rstudio使用更多的内核，因为它可以使用多达32个内核。
f <- function(i) {
rc.shedding.otu <- raup_crick(df.shedding.otu, classic_metric = TRUE, plot_names_in_col1 = FALSE, reps = 999)
}
mclapply(1:100, f)
mclapply()在并行计算中的应用对我来说相对较新。然而，我希望在这一领域更有经验的其他人能够根据我试图执行的功能来确定这是我的代码错误还是限制的结果。非常感谢您的任何见解或建议！
正如user12728748所建议的，解决此问题的方法是为参数mc.cores = #L发出一个值