使用multdplyr发送不同的dplyr :: muts cols到不同的内核吗？

如何解决使用multdplyr发送不同的dplyr :: muts cols到不同的内核吗？

我有一个函数，将其应用于不同的坐标集，以在标题中创建四个新列。此功能的启动时间很长（将基因组加载到RAM中，将小标题转换为GRanges，并检索序列），但是相对较快，因此100和1,000,000个序列之间的差异并不大。有什么方法可以将mutate中的每个col发送到不同的核心，以便可以同时处理它们？我曾考虑过先使用pivot_long，然后再使用group + partition，但这让我开始思考是否有其他方法可以实现此目的。 multi_mutate种类？
（我不希望乘法器分区/集合在我的情况下可以节省时间，因为附加坐标的成本很小，但是如果我可以避免枢转的时间成本，它仍然相对较小，并且混乱代码，这很酷。）

解决方法

我知道您在寻找现有的软件包，但是我找不到任何东西。其他类似的问题（例如here或here）似乎也不提供软件包。

但是，您如何自己破解呢？用furrr看这个例子。

### libraries
library(dplyr)
library(furrr)

### data complaint with your example
d <- replicate(8,rnorm(100))
colnames(d) <- apply(expand.grid(letters[1:2],1:4),1,paste0,collapse = "")
d <- as_tibble(d)

### a function that take more than a second to finish..
long_f <- function(x1,x2){
  
  Sys.sleep(1)
  x1+x2
  
}

### multimutate!
multimutate <- function(.data,...,.options = future_options()){
  
  dots <- enquos(...,.named = TRUE)
  .data[names(dots)] <- future_map(dots,~rlang::eval_tidy(.,data = .data,env = parent.frame()),.options = .options)
  .data
  
}


# no future strategy implemented
tictoc::tic()
d %>%
  multimutate(c1 = long_f(a1,b1),c2 = long_f(a2,b2),c3 = long_f(a3,b3),c4 = long_f(a4,b4))  
tictoc::toc()
# 4.34 sec elapsed

# future strategy
plan(multiprocess)
tictoc::tic()
d %>%
  multimutate(c1 = long_f(a1,b4),.options = future_options(globals = "long_f"))  
tictoc::toc()
# 1.59 sec elapsed

它需要进行一些猜测测试，并且需要进行改进。例如，使用mutate可用的相同方法。但这是一个开始。

请注意，我需要使用future_options。