parallel包重载jiebaR导致worker()时间戳不一致

[ioflows]

# init jieba
library(jiebaR)
seg_local=worker()
# init cluster
library(parallel)
cl=makeCluster(3)
# init args and functions
args=c('abc def','abd efg','ah gs fhg')
get_seg_local=function(d) segment(d,seg_local)
get_seg_remote=function(d) segment(d,seg_remote)

clusterEvalQ(cl,library(jiebaR))
# ======================
# 本地定义worker()并export
# ======================
clusterExport(cl,'seg_local')
# clusterExport(cl,'get_seg_local')
parLapply(cl,args,get_seg_local)
# Error in checkForRemoteErrors(val) : 
#   3 nodes produced errors; first error: Please create a new worker after jiebaR is reloaded.

# ========================
# 远程定义master节点的worker()
# ========================
clusterCall(cl,function(){
    seg_remote=worker()
})
parLapply(cl,args,get_seg_remote)
# Error in checkForRemoteErrors(val) : 
#   3 nodes produced errors; first error: 找不到对象'seg_remote'

本地声明的报错信息主要是时间戳的不一致导致，Line 42

https://github.com/qinwf/jiebaR/blob/master/R/segment.R

当然，第二种方案报错并不是jiebaR的问题（我自己找了不少相关资料，但始终不得解），想请教一下对于jiebaR在并行计算中是否有更好的解决方案，谢谢！

[qinwf]

你好，我这几天暂时比较忙，先简单说一下，之后再细说。并行需要解决很多问题，其中一个是数据竞争 data racing 。你现在遇到的差不多算是这个问题。

[qinwf]

除了 R 层面的粗并行，我有在用 c++11 的并行机制实现分词的并行。但是 windows 上 rtools gcc 4.9 有 bug ，64位下有 dll 加载有问题，所以这个特性没有正式加到主分支里。这个特性可能要等 rtools gcc 4.9 在 windows 稳定了才能用

[qinwf]

你可以试着在各自的 子并行集群里新建 cutter 这样可能不会有时间戳问题，也可以避免数据竞争。比如，3个子集群，3个cutter。

[ioflows]

感谢您的解答。实际上我的第二种方案也是想在每个子并行群中新建cutter，但是方法写错了，不应该将其放入匿名函数中。:-(

clusterCall(cl,function(){
    seg_remote=worker()
})

应改为

clusterEvalQ(cl,{seg_remote=worker()})

期待jiebaR的新特性！