R：使用 mclapply 并行模拟时随机数生成不一致

问题

我正在try 实现一个可重现的多核模拟，并获得不一致的结果.请帮助我解释这些结果，并建议我实施这一点的正确方法.请注意，我正在研究WSL2(不过，我希望我的结果还有其他原因).

细节

每个并行任务生成随机数，并被动态分配到一个可用的核(与预先调度到核相反).根据documentation，这可以通过使用parallel::mclapply中的mc.preschedule=FALSE来实现.为了保证可重复性，在设置随机种子时，任务应独立于分配给它们的 node 生成相同的随机数.

try 的解决方案

我的 idea 是使用RNGkind("L'Ecuyer-CMRG")和parallel::nextRNGStream for each task分配一个单独的(独立的)随机数流.以下代码段生成与这些流关联的种子列表，每个任务有一个列表条目.

library(parallel)
RNGkind("L'Ecuyer-CMRG")
n <- 100  # number of tasks

set.seed(1)
seeds <- list(.Random.seed)
for (i in 2:n) {
  seeds[[i]] <- nextRNGStream(seeds[[i - 1]])
}

现在的 idea 是，每个任务在开始生成随机数之前设定它的种子.我使用函数f来表示一些任务.

f <- function(i, seeds) {
  .Random.seed <- seeds[[i]]
  rnorm(1)
}

结果不一致

我希望任务的结果与parallel::mclapply中的参数mc.set.seed无关，因为这些任务无论如何都会设置自己的种子.然而，正如在这里可以观察到的那样，情况并非如此:

cores <- 2  # set to more than one
r1 <- mclapply(1:n, f, seeds=seeds, mc.preschedule=FALSE, mc.cores=cores, mc.set.seed=TRUE)
r2 <- mclapply(1:n, f, seeds=seeds, mc.preschedule=FALSE, mc.cores=cores, mc.set.seed=FALSE)
cat("r1: ", sum(unlist(r1)), "\n")
cat("r2: ", sum(unlist(r2)), "\n")
# r1:  24.39407 
# r2:  46.08108

此外，我预计这些任务将生成相同的随机数，无论它们是串行执行还是并行执行.情况也并非如此:

r3 <- mclapply(1:n, f, seeds=seeds, mc.preschedule=FALSE, mc.set.seed=FALSE, mc.cores=1)
cat("r3: ", sum(unlist(r3)), "\n")
# r3:  -7.079515

为什么会出现这些结果，实施这一结果的正确方式是什么？