1. 在RStudio中，单击右下角窗口中的Packages，即会显示目前已安装在RStudio中的包。
2. 单击安装（Install）。
3. 在弹出的窗口中键入要安装的包的名称。如需安装多个包，可用空格或逗号分隔。下面的例子中，希望安装ggplot2和dplyr两个包。
4. 注意：安装一个包并不表示已经在RStudio中加载好这个包。使用library()函数加载特定的包。例如，用下面的代码加载ggplot2这个package。
另一种方式是从CRAN网站下载：在CRAN网站的左侧找到『Software』，点击Packages，可以看到Available Packages下面有目前可供下载使用的16174个包。
点击想要下载的package名称，就会跳转至该package的详情页，找到download部分，下载。
erah官方文档： https://cran.r-project.org/web/packages/erah/vignettes/eRahManual.pdf
erah包的输入格式必须是cdf或者mzXML,cdf都是仪器导出，mzXML可以通过转换工具得到。本次实验数据.D格式通过转换工具proteowizard的MSConvert转为mzXML格式，首次采用的默认参数。
下图截取mzXML格式数据一部分
mzXML包含了一次实验中所有的分子片段的质谱图,并且包含了一些实验的基本数据.其核心数据是峰谱图,<peaks>标签内的一段很长的数据就是峰谱数据,其本身是荷质比与强度的Key-Value键值对，是经过压缩之后的数据。peaks标签里面会指定压缩的float数据精度是多少(32位或者64位),压缩方式是什么(一般是zlib).只要按照这种规格解码就可以查看到真实的离子质荷比与丰度的相关数据。
转换之后的数据每一类放在一个文件夹，按文档说明进行预处理。
以下是翻译的部分官方文档函数：
library(parallel)cl.cores <- detectCores()
cl<- makeCluster(cl.cores)
detectCores()检查当前电脑可用核数。
makeCluster(cl.cores)使用刚才检测的核并行运算。R-Doc里这样描述makeCluster函数：Creates a set of copies of R running in parallel andcommunicating over sockets. 即同时创建数个R进行并行运算。在该函数执行后就已经开始并行运算了，电脑可能会变卡一点。尤其在执行par开头的函数时。
在并行运算环境下，常用的一些计算方法如下：
1. clusterEvalQ(cl,expr)函数利用创建的cl执行expr。这里利用刚才创建的cl核并行运算expr。expr是执行命令的语句，不过如果命令太长的话，一般写到文件里比较好。比如把想执行的命令放在Rcode.r里：
clusterEvalQ(cl,source(file="Rcode.r"))
2.par开头的apply函数族。这族函数和apply的用法基本一样，不过要多加一个参数cl。一般如果cl创建如上面cl <-makeCluster(cl.cores)的话，这个参数可以直接用作parApply(cl=cl,…)。当然Apply也可以是Sapply,Lapply等等。注意par后面的第一个字母是要大写的，而一般的apply函数族第一个字母不大写。
另外要注意，即使构建了并行运算的核，不使用parApply()函数，而使用apply()函数的话，则仍然没有实现并行运算。换句话说，makeCluster只是创建了待用的核，而不是并行运算的环境。
最后，终止并行运算只需要一行命令：
stopCluster(cl)
