如何使用 R 在基于代理的建模中管理内存

Question

我正在使用 R 构建一个基于代理的模型，但我在尝试使用大对象时遇到了内存问题。特别是，在初始化时创建了 8 个 3D 数组，并且在每个时间步长每个 3D 数组都由不同的函数填充。

目前，ABM 运行时间超过 1825 天，并模拟了 2500 个人在整个景观中移动。景观中有1000个细胞。使用此配置，我没有内存问题。

在初始化时，

• 1 3D 数组是这样的：

  h <- array(NA, dim=c(1825, 48, 2500),
             dimnames=list(NULL, NULL, as.character(seq(1, 2500, 1))))
             ## 3th dimension = individual ID
  

• 1 3D 数组是这样的：

  p <- array(NA, dim=c(1825, 38, 1000),
             dimnames=list(NULL, NULL, as.character(seq(1, 1000, 1))))
             ## 3th dimension = cell ID
  

• 6 个 3D 数组如下：

  t <- array(NA, dim=c(1825, 41, 2500),
             dimnames=list(NULL, NULL, as.character(seq(1, 2500, 1))))
             ## 3th dimension = individual ID
  

数组包含字符/字符串数据类型。

理想情况下，我想增加个体数量和/或补丁数量，但由于内存问题，这是不可能的。似乎有一些可用的工具，如bigmemory、gc 来管理内存。这些工具有效吗？我是编程初学者，没有管理内存和高性能计算的经验。非常感谢您的任何建议，感谢您的宝贵时间。

会话信息（） R 版本 3.5.3 (2019-03-11) 平台：x86_64-w64-mingw32/x64（64位） 运行于：Windows 7 x64 (build 7601) Service Pack 1

Answer 1

据我了解，bigmemory 仅适用于矩阵而不是多维数组，但您可以将多维数组保存为矩阵列表。

gc 只是垃圾收集器，您不必真正调用它，因为它会自动调用，但手册中还指出：

删除大对象后调用 gc 会很有用，因为 这可能会提示 R 将内存返回给操作系统。

我认为对你的任务最有用的包是ff。 这里有一个简短的例子来说明 ff 包的强度，它将数据存储在磁盘上并且几乎不影响内存。

使用 base-R 初始化数组：

p <- array(NA, dim=c(1825, 38, 1000),
           dimnames=list(NULL, NULL, as.character(seq(1, 1000, 1))))

format(object.size(p), units="Mb")

“264.6 Mb”

所以总的来说，您的初始数组已经占用了将近 5GB 的内存，这会给您带来繁重的计算问题。

---

用ff初始化数组：

library(ff)
myArr <- ff(NA, dim=c(1825, 38, 1000), 
            dimnames=list(NULL, NULL, as.character(seq(1, 1000, 1))),
            filename="arr.ffd", vmode="logical", overwrite = T)

format(object.size(myArr), units="Mb")

[1] "0.1 Mb"

---

相等性测试：

euqals <- list()
for (i in 1:dim(p)[1]) {
  euqals[[i]] <-  all.equal(p[i,,],
                            myArr[i,,])
}
all(unlist(euqals))

[1] 是的

Answer 2

你有什么理由必须坚持使用数组数据类型吗？
如果您的阵列中存在许多 NA，则意味着您使用的内存超出了您的实际需要。这是 R 中数组的缺点。 如果您正在执行的操作不一定要求您的数据是数组，那么您应该通过将其重新建模为 data.frame 来节省 一些内存。

下面的示例显示了从数组转换后 data.frame 的样子。请注意，我必须明确使用na.rm=FALSE，否则结果将是 0 行数据。

devtools::install_github("Rdatatable/data.table@as.dt.array.null.dimnames")
library(data.table)

p <- array(NA, dim=c(1825, 38, 1000),
           dimnames=list(NULL, NULL, as.character(seq(1, 1000, 1))))
as.data.table(p, na.rm=FALSE)
#             V1    V2     V3  value
#          <int> <int> <char> <lgcl>
#       1:     1     1      1     NA
#       2:     1     1     10     NA
#       3:     1     1    100     NA
#       4:     1     1   1000     NA
#       5:     1     1    101     NA

---

另一种方法是使用data.cube 包。它基本上会在幕后为您完成我上面为您写的内容。您仍然拥有数组的 [ 运算符，但 data.cube 对象无法与需要输入数组的 R 函数一起使用，因为它们将强制 data.cube 为数组，从而失去所有内存优势。 内存优势可能很大，例如data.cube vignette：

array: 34.13 GB
data.cube: 0.01 GB