说说我的情况，我要对原始数据进行一系列随机模拟运算，也就是随机抽取某些行再进行求和。原始数据15万行左右，10M大小。

进行随机模拟的主函数是一个sample+sum的函数

<br />
yraggloss=function(x,TEN=TotEvtNo,ELT=elt)<br />
  {<br />
  evt=sample(1:TEN,x,replace=T,prob=ELT[,2])<br />
  sum(ELT[evt,3])<br />
  }<br />

随机模拟过程使用的是sapply和parallel包的parSapply，双核电脑。

<br />
#singlecore Version<br />
t0=Sys.time()<br />
AEP=sort(sapply(Nevents,yraggloss),decreasing=T)<br />
plot(AEP,(1:Nsimu)/Nsimu,type="l",lwd=2,col="red")<br />
Sys.time()-t0</p>
<p>#multicore Version<br />
t0=Sys.time()<br />
cl <- makeCluster(getOption("cl.cores", 2))<br />
AEP=sort(parSapply(X=Nevents,FUN=yraggloss,cl=cl,TEN=TotEvtNo,ELT=elt),decreasing=T)<br />
plot(AEP,(1:Nsimu)/Nsimu,type="l",lwd=2,col="red")<br />
stopCluster(cl)<br />
Sys.time()-t0<br />

可是运行结果后者比前者还要慢1分钟，前者8min后者9min。请问其中的原因是什么呢？代码有什么优化的原则和大方向吗？跪求各位大大指教！[s:11]
</p>