R、dplyr 和 snow：如何并行化使用 dplyr 的函数

Question

假设我想以并行方式应用myfunction到myDataFrame. 假设这otherDataFrame是一个包含两列的数据框：COLUNM1_odf并且COLUMN2_odf出于某些原因在myfunction. 所以我想用这样的方式编写代码parApply：

clus <- makeCluster(4)
clusterExport(clus, list("myfunction","%>%"))

myfunction <- function(fst, snd) {
 #otherFunction and aGlobalDataFrame are defined in the global env
 otherFunction(aGlobalDataFrame)

 # some code to create otherDataFrame **INTERNALLY** to this function
 otherDataFrame %>% filter(COLUMN1_odf==fst & COLUMN2_odf==snd)
 return(otherDataFrame)
}
do.call(bind_rows,parApply(clus,myDataFrame,1,function(r) { myfunction(r[1],r[2]) }

这里的问题是 R 无法识别COLUMN1_odf，COLUMN2_odf即使我将它们插入clusterExport. 我怎么解决这个问题？有没有办法“导出”所有snow需要的对象，以便不枚举它们中的每一个？

编辑1：我添加了一个注释（在上面的代码中），以指定的otherDataFrame被interally创建myfunction。

编辑 2：为了概括，我添加了一些伪代码myfunction：它现在使用全局数据帧（aGlobalDataFrame和另一个函数otherFunction）

Answer 1

做了一些实验，所以我解决了我的问题（在本杰明的建议下，并考虑了我添加到问题中的“编辑”）：

clus <- makeCluster(4)
clusterEvalQ(clus, {library(dplyr); library(magrittr)})
clusterExport(clus, "myfunction", "otherfunction", aGlobalDataFrame)

myfunction <- function(fst, snd) {
 #otherFunction and aGlobalDataFrame are defined in the global env
 otherFunction(aGlobalDataFrame)

 # some code to create otherDataFrame **INTERNALLY** to this function
 otherDataFrame %>% dplyr::filter(COLUMN1_odf==fst & COLUMN2_odf==snd)
 return(otherDataFrame)
}

do.call(bind_rows, parApply(clus, myDataFrame, 1, 
        {function(r) { myfunction(r[1], r[2]) } )

这样一来，我注册的aGlobalDataFrame，myfunction并且otherfunction，总之所有的功能和函数使用的数据用于并行作业（myfunction本身）