mclapply的美妙之处在于，在调用mclapply时，所有工作进程都被创建为主进程的克隆，因此您不必担心在每个集群工作进程上复制您的环境，不幸的是，这在Windows上是不可能的。
使用parLapply时，通常必须执行以下附加步骤：

• 创建PSOCK群集
• 根据需要注册群集
• 在群集工作进程上加载必要的软件包
• 将必要的数据和函数导出到集群工作线程的全局环境

此外，完成后，最好使用stopCluster关闭PSOCK群集。
下面是您的示例到parLapply的翻译：

library(parallel)
cl <- makePSOCKcluster(4)
setDefaultCluster(cl)
adder <- function(a, b) a + b
clusterExport(NULL, c('adder'))
parLapply(NULL, 1:8, function(z) adder(z, 100))

如果你的adder函数需要一个包，你必须在parLapply调用它之前在每个worker上加载这个包，你可以很容易地在clusterEvalQ中做到这一点：

clusterEvalQ(NULL, library(MASS))

注意，clusterExport、clusterEval和parLapply的第一个参数NULL表示它们应该使用通过setDefaultCluster注册的集群对象。如果程序在许多不同的函数中使用mclapply，这将非常有用。这样，在转换程序以使用parLapply时，就不必将cluster对象传递给每个需要它的函数。
当然，adder可能会调用全局环境中的其他函数，而全局环境又调用了其他函数等。在这种情况下，您还必须导出它们，并加载它们所需的任何包。还要注意的是，如果您导出的任何变量在程序运行过程中发生了更改，则必须再次导出它们，以便在集群工作线程上更新它们。同样，对于mclapply，这是不必要的，因为无论何时调用它，它总是创建/克隆/派生工作线程，因此这是不必要的。

mclapply使用起来更简单，它使用底层操作系统的fork（）功能来实现并行化。但是，由于Windows没有fork（），它将运行标准的lapply--没有并行化。
parLapply则不同，它将创建一个进程集群，这些进程甚至可以驻留在网络上的不同机器上，它们通过TCP/IP通信，以便在彼此之间传递任务和结果。
代码中的问题在于，你没有意识到parLapply的第一个参数应该是一个“cluster”对象，我能想到的在一台机器上运行parLapply的最简单的例子是：

library(parallel)

# Spawn child processes using fork() on the local machine
cl <- makeForkCluster(getOption("cl.cores", 2))

# Use parLapply to calculate lengths of 1000 strings
text = rep("Hello, world!", 1000)
len = parLapply(cl, text, nchar)

# Kill child processes since they are no longer needed
stopCluster(cl)

在使用makeForkCluster创建的集群中使用parLapply在功能上等同于调用mclapply，因此它在Windows上也不起作用。：）查看文档中使用makeCluster和makePSOCKcluster创建集群的其他方法，并找出最适合您需求的方法。

下面是我如何使用parLapply进行并行计算：

library(parallel)
##
test_func0 = function(i) {
  lfactorial(i) + q + d
}
##
x = 1:100
q=20
d= 25
##
t1=Sys.time()
##
clust <- makeCluster(4)

## clusterExport loads these objects from the specified environment into the clust object
clusterExport(clust, c("test_func0", "q", "d"), envir = environment())
a <- do.call(c, parLapply(clust, x, function(i) {
  test_func0(i)
}))
print(Sys.time()-t1)
##
stopCluster(clust)

请记住，makeCluster比makePSOCKcluster更快地创建变量的环境集群以提供给parLapply。