我正试图使用RStudio在具有16核CPU和64 GB RAM的windows服务器上运行foreach循环。（使用doParallel软件包）
"worker"进程从for循环外部复制所有变量（通过在运行foreach循环时在windows任务管理器中观察这些进程的实例化来观察），从而增加每个进程使用的内存。我试图将一些特别大的变量声明为全局变量，同时确保这些变量也在foreach循环中读取，而不是写入，以避免冲突。然而，这些进程仍然会很快耗尽所有可用内存。
是否有一种机制可以确保"工作"进程不会创建某些"只读"变量的副本？比如用一种特定的方式来声明这样的变量？
doParallel包将自动将变量导出到foreach循环中引用的工作者。如果您不希望它这样做，您可以使用foreach".noexport"选项来阻止它自动导出特定变量。但如果我理解正确的话，你的问题是R随后复制了其中的一些变量，这比平时更麻烦，因为它发生在一台机器上的多个过程中。
没有一种方法可以声明一个变量，这样R就永远不会复制它。你要么需要用像bigmemory这样的包中的对象替换问题变量，这样就永远不会进行复制，要么你可以尝试修改代码，这样就不会触发复制。您可以使用tracemem函数来帮助您，因为每当对象重复时，它都会打印一条消息。
但是，您可以通过减少工作人员所需的数据来避免这个问题。这减少了需要复制到每个工作者的数据量，并减少了他们的内存占用。
这里有一个典型的例子，可以为工人提供比他们需要的更多的数据：
x <- matrix(1:100, 10)
foreach(i=1:10, .combine='c') %dopar% {
mean(x[,i])
}
由于矩阵x在foreach循环中被引用，因此它将自动导出到每个工作者，即使每个工作者只需要列的子集。最简单的解决方案是在矩阵的实际列上迭代，而不是在列索引上迭代：
foreach(xc=x, .combine='c') %dopar% {
mean(xc)
}
不仅传输到工作者的数据更少，而且每个工作者实际上一次只需要在内存中有一列，这大大减少了其对大型矩阵的内存占用。xc矢量最终可能仍会被复制，但它不会造成太大的伤害，因为它比x小得多。
请注意，此技术仅在doParallel使用"雪衍生"函数（如parLapply和clusterApplyLB）时才有帮助，而在使用mclapply时没有帮助。当使用mclapply时，使用此技术可以使循环稍微慢一点，因为所有工作人员都可以免费获得矩阵x，那么，当工作人员已经拥有整个矩阵时，为什么要在列之间转移呢？然而，在Windows上，doParallel不能使用mclapply，因此该技术非常重要。
重要的是要考虑工人为了完成工作真正需要什么数据，并尽可能减少数据。有时，您可以使用iterators或itertools包中的特殊迭代器来实现这一点，但也可以通过更改算法来实现。