如下：

Error : cannot allocate vector of size X Gb

類似于這種問題的可能處理辦法：

1. 可以用matrix盡量不要用data frame;

2. 可以用integer matrix盡量不要用 double matrix;

3. 對于大量運(yùn)算后最好加上一個gc(), 強(qiáng)制R語言回收內(nèi)存；

4. 對于大矩陣而言用bigmemory包，可以將大矩陣放到臨時(shí)文件中，不占用內(nèi)存。

補(bǔ)充：R語言之內(nèi)存管理

在處理大型數(shù)據(jù)過程中，R語言的內(nèi)存管理就顯得十分重要，以下介紹幾種常用的處理方法。

1，設(shè)置軟件的內(nèi)存

memory.size(2048) #設(shè)置內(nèi)存大小   
memory.size(NA) #查看當(dāng)前設(shè)置下最大內(nèi)存 
#or  
memory.limit()   
memory.size(F) #查看當(dāng)前已使用的內(nèi)存   
#or   
library(pryr)   
mem_used()   
   
mem_change(x <- 1:1e6) #查看執(zhí)行命令時(shí)內(nèi)存的變化   
memory.size(T)  #查看已分配的內(nèi)存

注意剛開始時(shí)已使用內(nèi)存和已分配內(nèi)存是同步增加的，但是隨著R中的垃圾被清理，已使用內(nèi)存會減少，而已分配給R的內(nèi)存一般不會改變。

2，對象的存儲

R中的對象在內(nèi)存中存于兩種不同的地方，一種是堆內(nèi)存（heap），其基本單元是“Vcells”，每個大小為8字節(jié)，新來一個對象就會申請一塊空間，把值全部存在這里，和C里面的堆內(nèi)存很像。第二種是地址對（cons cells），和LISP里的cons cells道理一樣，主要用來存儲地址信息，最小單元一般在32位系統(tǒng)中是28字節(jié)、64位系統(tǒng)中是56字節(jié)。

ls()           #查看當(dāng)前對象   
object.size()    查看對象所占內(nèi)存   
#or   
library(pryr)   
object_size()  #區(qū)別于前者，它進(jìn)行了換算

1) 新建對象分配合適的內(nèi)存

R會將新的對象存儲在“連續(xù)”的內(nèi)存中，如果沒有這樣的空間就會返回“Cannot allocate vector of size...” 的錯誤，有以下幾種處理方法:

a) 如果有多個矩陣需要存儲，確保優(yōu)先存儲較大的矩陣，然后依次存儲較小的矩陣.

b) 預(yù)先分配合適的內(nèi)存.

大家都知道R中矩陣的維度并不需要賦一個固定的值（很多語言的數(shù)組長度不能為變量），這為寫程序帶來了極大的方便，因此經(jīng)常在循環(huán)中會出現(xiàn)某個矩陣越來越長的情況，實(shí)際上，矩陣每增長一次，即使賦給同名的變量，都需要新開辟一塊更大的空間，假設(shè)初始矩陣為100K，第二個為101K，一直增到120K，那么，將會分別開辟100K、101K一直到120K的連續(xù)堆內(nèi)存，如果一開始就開一塊120K的，使之從101K逐漸增長到120K，將會大大地節(jié)約內(nèi)存。cbind函數(shù)也是這個道理，所以在循環(huán)中要注意不要濫用。

c) 換到64位的計(jì)算機(jī)，這種問題較少出現(xiàn).

2) 改變當(dāng)前對象的存儲模式

例如某個矩陣默認(rèn)就是"double"的，如果這個矩陣的數(shù)值都是整數(shù)甚至0-1，完全沒必要使用double來占用空間，可以將其改為整數(shù)型，可以看到該對象的大小會變?yōu)樵瓉淼囊话搿?/p>

storage.mode(x) #查看對象的存儲模式 storage.mode(x) <- "integer" #整數(shù)型存儲模式

3) 清理中間對象

rm() #刪除變量的引用，經(jīng)常用它來清理中間對象，其中比較重要的文件可以存在硬盤里，比如csv文件或者RSqlite等

gc() #清理內(nèi)存空間

4) 清理其他對象

.ls.objects() #查看內(nèi)存消耗較大的文件，并處理掉其他無關(guān)對象.代碼如下:

.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   
} 

3，修改存儲地址

這部分可參考文獻(xiàn)1。在xp系統(tǒng)上試了一下，得到的存儲地址總是不變，不知道xp系統(tǒng)上有沒有效...

4，選取數(shù)據(jù)集的子集

這是沒有辦法的辦法，遲早要處理全部的數(shù)據(jù)，不過可以借此調(diào)試代碼或是建模，如在合適的地方清理中間對象

5，寫成腳本文件

Hadley Wickham 建議寫成腳本文件，運(yùn)行后再清理掉臨時(shí)文件

6，使用SOAR包

它可以將特定對象存儲為RData文件并無需加載到內(nèi)存就能進(jìn)行分析

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()

7，一個有趣的函數(shù)

它會告訴你哪一行的代碼消耗了多少時(shí)間、內(nèi)存，釋放多少內(nèi)存，復(fù)制了多少向量.

library(devtools)   
devtools::install_github("hadley/lineprof")   
library(lineprof)   
source("D:/test/test.R")   
prof <- lineprof(test("D:/test/testcsv"))   
shine(prof)

以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。

最新評論