knitr：开始一个新的 R 会话以清除 RAM答案

【问题标题】：knitr: starting a fresh R session to clear RAMknitr：开始一个新的 R 会话以清除 RAM
【发布时间】：2012-10-09 02:25:28
【问题描述】：

我有时会处理很多对象，由于块之间的内存问题，如果有一个新的开始会很好。考虑以下示例：

警告：我有 8GB 的 RAM。如果你没有太多，这可能会吃光它。

<<chunk1>>=
a <- 1:200000000
@
<<chunk2>>=
b <- 1:200000000
@
<<chunk3>>=
c <- 1:200000000
@

这种情况下的解决方法是：

<<chunk1>>=
a <- 1:200000000
@
<<chunk2>>=
rm(a)
gc()
b <- 1:200000000
@
<<chunk3>>=
rm(b)
gc()
c <- 1:200000000
@

但是，在我的示例中（我可以发布，因为它依赖于大型数据集），即使在我删除所有对象并运行 gc() 之后，R 也不会清除所有内存（仅部分） .原因在?gc:

However, it can be useful to call ‘gc’ after a large object has
been removed, as this may prompt R to return memory to the
operating system.

注意重要的词may。 R 有很多情况会像这样指定may，所以这不是错误。

是否有一个块选项可以让knitr 启动一个新的R 会话？

【问题讨论】：

也许如果您调用（从块中）Rscript 并使用代码以可以延迟加载的方式保存这些对象？
如果为每个块启动一个新的 R 会话，在一个块中创建的对象将无法用于任何其他块，那么将所有这些对象放在同一个文档中的意义何在？顺便说一句，cache=TRUE 将保存对象并稍后延迟加载它们，这不会消耗您的内存，除非您以后真正使用这些对象（在手册中解释：github.com/downloads/yihui/knitr/knitr-manual.pdf）。你试过这个选项吗？
@Yihui 是的，我试过了。问题不在于重复编译（缓存会有所帮助）。问题在于只编译一次。为了回答您关于重点是什么的问题，我认为想要模块化您的代码和您的写作是可以理解的。这是对您的问题的编程类比响应：当您可以将所有内容放入 main 时，为什么要将您的代码模块化分解为不同的函数或不同的 .c 文件？
@XuWang 我理解模块化，但我不理解你的类比。我的意思是，如果您在新的 R 会话中启动它们，您的“模块”将彼此完全独立，即您将无法在本文档后面实际使用任何“模块”，那么为什么要放他们在本文档中吗？
@Yihui 我明白你的意思。我会重新考虑我的代码。感谢您的帮助以及您在 knitr 上所做的工作！

标签： r knitr

【解决方案1】：

我的建议是为每个主要任务创建一个单独的.Rnw，将它们编织到.tex 文件中，然后在parent.Rnw 文件中使用\include 或\input 来构建完整的项目。通过makefile控制项目的构建。

但是，为了解决这个特定问题，为每个块使用新的 R 会话，您可以使用 R 包 subprocess 来生成 R 会话，运行所需的代码，提取结果，然后终止生成的会话.

一个简单的例子.Rnw文件

\documentclass{article}
\usepackage{fullpage}
\begin{document}

<<include = FALSE>>=
knitr::opts_chunk$set(collapse = FALSE)
@

<<>>=
library(subprocess)

# define a function to identify the R binary
R_binary <- function () {
  R_exe <- ifelse (tolower(.Platform$OS.type) == "windows", "R.exe", "R")
  return(file.path(R.home("bin"), R_exe))
}
@


<<>>=
# Start a subprocess running vanilla R.
subR <- subprocess::spawn_process(R_binary(), c("--vanilla --quiet"))
Sys.sleep(2) # wait for the process to spawn

# write to the process
subprocess::process_write(subR, "y <- rnorm(100, mean = 2)\n")
subprocess::process_write(subR,  "summary(y)\n")

# read from the process
subprocess::process_read(subR, PIPE_STDOUT)

# kill the process before moving on.
subprocess::process_kill(subR)
@


<<>>=
print(sessionInfo(), local = FALSE)
@

\end{document}

生成以下pdf：

【讨论】：