Big Merge / Управление памятью - PullRequest
Новая
       7

Big Merge / Управление памятью

6 голосов
/ 21 декабря 2011

Я ударил стену, пытаясь объединить большой файл и меньший.У меня прочитано много других сообщений об управлении памятью в R, и я не смог найти неэкстремальный (разрешить 64-битный, загрузить в кластер и т. Д.) Метод разрешенияЭто.Я немного попробовал с пакетом bigmemory, но не смог найти решение.Я думал, что попробую здесь, прежде чем расстроить руки.

Код, который я запускаю, выглядит следующим образом: 

#rm(list=ls())
localtempdir<- "F:/Temp/"
memory.limit(size=4095)
[1] 4095
    memory.size(max=TRUE)
[1] 487.56
gc()
         used (Mb) gc trigger  (Mb) max used  (Mb)
Ncells 170485  4.6     350000   9.4   350000   9.4
Vcells 102975  0.8   52633376 401.6 62529185 477.1

client_daily<-read.csv(paste(localtempdir,"client_daily.csv",sep=""),header=TRUE)
object.size(client_daily)
>130MB

sbp_demos<-read.csv(paste(localtempdir,"sbp_demos",sep=""))
object.size(demos)
>0.16MB
client_daily<-merge(client_daily,sbp_demos,by.x="OBID",by.y="OBID",all.x=TRUE)
Error: cannot allocate vector of size 5.0 MB

Наверное, я спрашиваю, есть ли какие-нибудь умные способы обойти это, не связанные с покупкой нового оборудования?

  1. Мне нужно иметь возможность merge создать объект большего размера.
  2. Затем мне нужно будет выполнить регрессию и т. Д. С этим большим объектом.

Должен ли я сдаться?Должна ли большая память помочь решить эту проблему?

Любое руководство с благодарностью.

Сведения: версия R R 2.13.1 (2011-07-08) Платформа: i386-pc-mingw32 / i386 (32-разрядная версия) Intel 2 Duo Core @ 2,33 ГГц, 3,48 ГБ ОЗУ

1 Ответ

8 голосов
/ 22 декабря 2011

Как уже упоминал Чейз, вы можете попробовать data.table или, возможно, sqldf .

Для любого из них вы, скорее всего, получите больше сока, если правильно настроите индексы.

С data.table вы бы: 

dt1 <- data.table(sbp_demos, key='OBID')
dt2 <- data.table(client_daily, key='OBID')

## Do an INNER JOIN-like operation, where non-matching rows are removed
mi <- dt1[dt2, nomatch=0]

## Do a RIGHT JOIN(?)-like operation ... all rows in dt2 will be returned.
## If there is no matching row in dt1, the values in the dt1 columns for
## the merged row will be NA
mr <- dt1[dt2]

Если вы идете по маршруту sqldf, снова посмотрите на пример 4i на его сайте ..., убедитесь, что вы правильно используете индексы.

...