1

我面临一个奇怪的问题：我ffdf使用保存数据

save.ffdf()

从ffbase包中，当我在新的 R 会话中加载它们时，做

load.ffdf("data.f")

与 R中的对象相同的数据相比，它被加载到 RAM 中大约 90% 的内存data.frame。遇到这个问题，使用它没有多大意义ffdf，不是吗？我不能使用ffsave，因为我在服务器上工作并且上面没有 zip 应用程序。

packageVersion(ff) # 2.2.10
packageVersion(ffbase) # 0.6.3

有什么想法吗？

[编辑]一些代码示例以帮助澄清：

data <- read.csv.ffdf(file = fn, header = T, colClasses = classes) 
# file fn is a csv database with 5 columns and 2.6 million rows,
# with some factor cols  and some integer cols. 
data.1 <- data 
save.ffdf(data.1 , dir = my.dir) # my.dir is a string pointing to the file. "C:/data/R/test.f" for example.

关闭 R 会话...再次打开：

load.ffdf(file.name) # file.name is a string pointing to the file. 
#that gives me object data, with class(data) = ffdf.

然后我有一个数据对象 ffdf[5] ，它的内存大小几乎和：

data.R <- data[,] # which is a data.frame.

[编辑结束]

* [第二次编辑::完整的可复制代码:::]

由于我的问题还没有回答，我仍然发现问题，我举一个可重现的例子::

dir1 <- 'P:/Projects/RLargeData';
setwd(dir1);
library(ff)
library(ffbase)

memory.limit(size=4000)
N = 1e7; 
df <- data.frame( 
 x = c(1:N), 
 y = sample(letters, N, replace =T), 
 z = sample( as.Date(sample(c(1:2000), N, replace=T), origin="1970-01-01")),
 w = factor( sample(c(1:N/10) , N, replace=T))   )

df[1:10,]
dff <- as.ffdf(df)
head(dff)
#str(dff)

save.ffdf(dff, dir = "dframeffdf")
dim(dff)
# on disk, the directory "dframeffdf" is : 205 MB (215.706.264 bytes)

### resetting R :: fresh RStudio Session 
dir1 <- 'P:/Projects/RLargeData';
setwd(dir1);
library(ff)
library(ffbase)
memory.size() # 15.63 
load.ffdf(dir = "dframeffdf")
memory.size() # 384.42
gc()
memory.size() # 287

所以我们有 384 Mb 的内存，在 gc() 之后有 287，这大约是磁盘中数据的大小。（也在 Windows 的“进程资源管理器”应用程序中检查）

> sessionInfo()
R version 2.15.2 (2012-10-26)
Platform: i386-w64-mingw32/i386 (32-bit)

locale:
[1] LC_COLLATE=Danish_Denmark.1252  LC_CTYPE=Danish_Denmark.1252    LC_MONETARY=Danish_Denmark.1252 LC_NUMERIC=C                    LC_TIME=Danish_Denmark.1252    

attached base packages:
[1] tools     stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] ffbase_0.7-1 ff_2.2-10    bit_1.1-9

[结束第二次编辑]

4

2 回答 2

2

在 ff 中，当您有因子列时，因子水平始终在 RAM 中。ff 字符列当前不存在，字符列被转换为 ffdf 中的因子。

关于您的示例：“dff”中的“w”列包含超过 6 个 Mio 级别。这些级别都在 RAM 中。如果您没有具有很多级别的列，您将不会看到 RAM 增加，如下所示，使用您的示例。

N = 1e7; 
df <- data.frame( 
 x = c(1:N), 
 y = sample(letters, N, replace =T), 
 z = sample( as.Date(sample(c(1:2000), N, replace=T), origin="1970-01-01")),
 w = sample(c(1:N/10) , N, replace=T))   
dff <- as.ffdf(df)
save.ffdf(dff, dir = "dframeffdf")

### resetting R :: fresh RStudio Session 
library(ff)
library(ffbase)
memory.size() # 14.67
load.ffdf(dir = "dframeffdf")
memory.size() # 14.78
于 2013-02-22T11:24:09.533 回答
0

ffdf 包具有在“物理”和“虚拟”存储中隔离对象的机制。我怀疑您是在物理内存中隐式构造项目，但是由于您没有提供有关如何创建此工作区的编码，因此只能进行很多猜测。

于 2012-12-19T18:34:11.550 回答