При использовании mclapply каждое отдельное ядро ​​работает медленнее, чем его непараллельная версия.

Я изучаю параллельные вычисления в R и обнаружил, что это происходит в моих экспериментах.

Вкратце, почему в следующем примере большинство значений user в t меньше, чем в mc_t ? Моя машина имеет 32 ГБ памяти, 2 процессора с 4 ядрами и всего 8 гиперпотоков.

system.time({t = lapply(1:4,function(i) {
    m = matrix(1:10^6,ncol=100)
    t = system.time({
        m%*%t(m)
    })
    return(t)
})})


library(multicore)
system.time({
    mc_t = mclapply(1:4,function(m){
        m = matrix(1:10^6,ncol=100)
        t = system.time({
            m%*%t(m)
        })
        return(t)
    },mc.cores=4)
})

> t
[[1]]
user  system elapsed
11.136   0.548  11.703

[[2]]
user  system elapsed
11.533   0.548  12.098

[[3]]
user  system elapsed
11.665   0.432  12.115

[[4]]
user  system elapsed
11.580   0.512  12.115

> mc_t
[[1]]
user  system elapsed
16.677   0.496  17.199

[[2]]
user  system elapsed
16.741   0.428  17.198

[[3]]
user  system elapsed
16.653   0.520  17.198

[[4]]
user  system elapsed
11.056   0.444  11.520

И sessionInfo():

> sessionInfo()
R version 3.0.2 (2013-09-25)
Platform: x86_64-pc-linux-gnu (64-bit)

locale:
[1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C
[3] LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8
[7] LC_PAPER=en_US.UTF-8       LC_NAME=C
[9] LC_ADDRESS=C               LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C

attached base packages:
    [1] stats     graphics  grDevices utils     datasets  methods   base

other attached packages:
    [1] multicore_0.1-7

Чтобы уточнить: извините, что мое описание может быть двусмысленным. Я понимаю, что параллель все же быстрее для всей миссии. Однако счетчик времени есть только в функции для расчета, время установки оверхеда для каждого дочернего процесса в mclapply не учитывается. Поэтому я все еще не понимаю, почему этот чистый расчет (т.е. m%*%t(m)) выполняется медленнее.