在R中，有没有办法在同一台机器上的R差分进程之间共享一个变量？

Question

我的问题是我有一个大型模型，加载到内存的速度很慢。要在许多样本上测试它，我需要运行一些C程序来为模型生成输入功能，然后运行R脚本进行预测。每次加载模型都需要花费太多时间。

所以我想知道

1）是否有一些方法可以将模型（R中的变量）保存在内存中。

或

2）我可以运行R作为专用服务器的分离过程，然后R的所有预测过程都可以访问同一台机器上服务器中的变量。

在所有预测期间，模型永远不会改变。它是一个存储在.rdata文件中的randomForest模型，它有~500MB。加载此模型的速度很慢。

我知道我可以使用并行R（snow，doPar等）来并行执行预测，但是，这不是我想要的，因为它需要我改变我使用的数据流。

非常感谢。

Answer 1

如果每次都重新生成模型，可以将模型保存为RData文件，然后在不同的计算机上共享。虽然从磁盘加载到内存可能仍需要一些时间，但它将节省重新生成的时间。

   save(myModel, file="path/to/file.Rda")

   # then
   load(file="path/to/file.Rda")

编辑@ VictorK的建议： 正如Victor指出的那样，由于您只保存一个对象，saveRDS可能是更好的选择。

  saveRDS(myModel, file="path/to/file.Rds")

  myModel <- readRDS(file="path/to/file.Rds")