R语言之内存管理
在处理大型数据过程中，R语言的内存管理就显得十分重要，以下介绍几种常用的处理方法。 1，设置软件的内存
<span style="font-size:14px;">memory.size(2048) #设置内存大小
memory.size(NA) #查看当前设置下最大内存(?"Memory-limits")
#or memory.limit()
memory.size(F) #查看当前已使用的内存
#or
library(pryr)
mem_used()
mem_change(x <- 1:1e6) #查看执行命令时内存的变化
memory.size(T) #查看已分配的内存</span>注意刚开始时已使用内存和已分配内存是同步增加的，但是随着R中的垃圾被清理，已使用内存会减少，而已分配给R的内存一般不会改变。 2，对象的存储 R中的对象在内存中存于两种不同的地方，一种是堆内存（heap），其基本单元是“Vcells”，每个大小为8字节，新来一个对象就会申请一块空间，把值全部存在这里，和C里面的堆内存很像。第二种是地址对（cons cells），和LISP里的cons cells道理一样，主要用来存储地址信息，最小单元一般在32位系统中是28字节、64位系统中是56字节。
<span style="font-size:14px;">ls() #查看当前对象
object.size() 查看对象所占内存
#or
library(pryr)
object_size() #区别于前者，它进行了换算</span>1)新建对象分配合适的内存
R会将新的对象存储在“连续”的内存中，如果没有这样的空间就会返回“Cannot allocate vector of size...” 的错误，有以下几种处理方法: a) 如果有多个矩阵需要存储，确保优先存储较大的矩阵，然后依次存储较小的矩阵. b) 预先分配合适的内存. 大家都知道R中矩阵的维度并不需要赋一个固定的值（很多语言的数组长度不能为变量），这为写程序带来了极大的方便，因此经常在循环中会出现某个矩阵越来越长的情况，实际上，矩阵每增长一次，即使赋给同名的变量，都需要新开辟一块更大的空间，假设初始矩阵为100K，第二个为101K，一直增到120K，那么，将会分别开辟100K、101K一直到120K的连续堆内存，如果一开始就开一块120K的，使之从101K逐渐增长到120K，将会大大地节约内存。cbind函数也是这个道理，所以在循环中要注意不要滥用。 c) 换到64位的计算机，这种问题较少出现. 2)改变当前对象的存储模式 例如某个矩阵默认就是"double"的，如果这个矩阵的数值都是整数甚至0-1，完全没必要使用double来占用空间，可以将其改为整数型，可以看到该对象的大小会变为原来的一半。
<span style="font-size:14px;">storage.mode(x) #查看对象的存储模式
storage.mode(x) <- "integer" #整数型存储模式</span>3)清理中间对象
<span style="font-size:14px;">rm() #删除变量的引用，经常用它来清理中间对象，其中比较重要的文件可以存在硬盘里，比如csv文件或者RSqlite等
gc() #清理内存空间</span>4)清理其他对象 .ls.objects() #查看内存消耗较大的文件，并处理掉其他无关对象.代码如下:
<span style="font-size:14px;">.ls.objects <- function (pos = 1, pattern, order.by = "Size", decreasing=TRUE, head = TRUE, n = 10) {
napply <- function(names, fn) sapply(names, function(x)
fn(get(x, pos = pos)))
names <- ls(pos = pos, pattern = pattern)
obj.class <- napply(names, function(x) as.character(class(x))[1])
obj.mode <- napply(names, mode)
obj.type <- ifelse(is.na(obj.class), obj.mode, obj.class)
obj.size <- napply(names, object.size) / 10^6 # megabytes
obj.dim <- t(napply(names, function(x)
as.numeric(dim(x))[1:2]))
vec <- is.na(obj.dim)[, 1] & (obj.type != "function")
obj.dim[vec, 1] <- napply(names, length)[vec]
out <- data.frame(obj.type, obj.size, obj.dim)
names(out) <- c("Type", "Size", "Rows", "Columns")
out <- out[order(out[[order.by]], decreasing=decreasing), ]
if (head)
out <- head(out, n)
out
}</span>3，修改存储地址 这部分可参考文献1。在xp系统上试了一下，得到的存储地址总是不变，不知道xp系统上有没有效... 4，选取数据集的子集 这是没有办法的办法，迟早要处理全部的数据，不过可以借此调试代码或是建模，如在合适的地方清理中间对象 5，写成脚本文件 Hadley Wickham 建议写成脚本文件，运行后再清理掉临时文件 6，使用SOAR包 它可以将特定对象存储为RData文件并无需加载到内存就能进行分析
<span style="font-size:14px;">r = data.frame(a=rnorm(10,2,.5),b=rnorm(10,3,.5))
library(SOAR)
Sys.setenv(R_LOCAL_CACHE=”testsession”)
ls()
Store(r)
ls()
mean(r[,1])
r$c = rnorm(10,4,.5)
ls()</span>7，一个有趣的函数 它会告诉你哪一行的代码消耗了多少时间、内存，释放多少内存，复制了多少向量.
<span style="font-size:14px;">library(devtools)
devtools::install_github("hadley/lineprof")
library(lineprof)
source("D:/myprojects/project1/read-delim.R")
prof <- lineprof(read_delim("D:/myprojects/project1/diamonds.csv"))
shine(prof)</span>