Я работаю на 64-битной машине Windows Server 2008 с процессором Intel Xeon и 24 ГБ оперативной памяти. У меня возникли проблемы с чтением определенного файла TSV (с разделителями табуляцией) размером 11 ГБ (> 24 миллиона строк, 20 столбцов). Мой обычный компаньон, read.table
, подвел меня. В настоящее время я пробую пакет ff
с помощью этой процедуры:
> df <- read.delim.ffdf(file = "data.tsv",
+ header = TRUE,
+ VERBOSE = TRUE,
+ first.rows = 1e3,
+ next.rows = 1e6,
+ na.strings = c("", NA),
+ colClasses = c("NUMERO_PROCESSO" = "factor"))
Что отлично работает примерно для 6 миллионов записей, но затем я получаю сообщение об ошибке, как вы можете видеть:
read.table.ffdf 1..1000 (1000) csv-read=0.14sec ffdf-write=0.2sec
read.table.ffdf 1001..1001000 (1000000) csv-read=240.92sec ffdf-write=67.32sec
read.table.ffdf 1001001..2001000 (1000000) csv-read=179.15sec ffdf-write=94.13sec
read.table.ffdf 2001001..3001000 (1000000) csv-read=792.36sec ffdf-write=68.89sec
read.table.ffdf 3001001..4001000 (1000000) csv-read=192.57sec ffdf-write=83.26sec
read.table.ffdf 4001001..5001000 (1000000) csv-read=187.23sec ffdf-write=78.45sec
read.table.ffdf 5001001..6001000 (1000000) csv-read=193.91sec ffdf-write=94.01sec
read.table.ffdf 6001001..
Error in scan(file, what, nmax, sep, dec, quote, skip, nlines, na.strings, :
could not allocate memory (2048 Mb) in C function 'R_AllocStringBuffer'
Если я не ошибаюсь, R жалуется на нехватку памяти для чтения данных, но разве процедура read...ffdf
не должна была обойти интенсивное использование памяти при чтении данных? Что я могу делать неправильно здесь?
fread
из пакетаdata.table
и пакетаsqldf
. Я знаю, что ваша проблема не в экономии времени, но, возможно, один из этих методов также позволит избежать проблемы с памятью. - person Cotton.Rockwood   schedule 09.08.2014fread
никогда не работал с фреймами данных, с которыми работаю я, поскольку они всегда включают один символьный столбец, полный встроенных кавычек (сама страница справки по функции признает проблему). Что касается альтернативыsqldf
, на которую ваша ссылка указывает напрямую, я не могу заставить ее работать, потому что, по-видимому, она ищет запятую или точку с запятой в качестве разделителя, а в моем файле используются табуляции. - person Waldir Leoncio   schedule 11.08.2014