Question

关于这个答案： What exactly is copy-on-modify semantics in R, and where is the canonical source?

我们可以看到，在第一次用'[<-'改变向量时，即使只修改一个条目，R也会复制整个向量。然而，在第二次，矢量“就地”改变。如果我们测量创建和修改大型向量的时间，那么在不检查对象地址的情况下这是显而易见的：

> system.time(a <- rep(1L, 10^8))
   user  system elapsed 
   0.15    0.17    0.31 
> system.time(a[222L] <- 111L)
   user  system elapsed 
   0.26    0.08    0.34 
> system.time(a[333L] <- 111L)
   user  system elapsed 
      0       0       0

请注意，/ storage.mode类型没有变化。

所以问题是：为什么不能优化第一个括号分配呢？在什么情况下实际需要这种行为（第一次修改时的完整拷贝）？

编辑:(剧透！）正如下面接受的答案中所解释的，这只不过是在system.time函数调用中包含第一个赋值的工件。这导致R将绑定到a的内存空间标记为可能引用多个符号，因此在更改时需要重复。如果我们删除封闭的调用，则会从第一个括号分配中修改向量。

感谢Martin提供深入的解决方案！

Answer 1

比较

的“NAM（）”部分

> a <- rep(1L, 10)
> .Internal(inspect(a))
@457b840 13 INTSXP g0c4 [NAM(1)] (len=10, tl=0) 1,1,1,1,1,...

与

> system.time(a <- rep(1L, 10))
[...]
> .Internal(inspect(a))
@4626f88 13 INTSXP g0c4 [NAM(2)] (len=10, tl=0) 1,1,1,1,1,...

第一个示例中的“1”表示R认为对a有一个引用，因此可以就地更新。 “2”表示R认为至少有两个对a的引用，因此如果修改则需要重复。粗略地说，我将此合理化为rep()在system.time内的返回值的表示，其值在system.time之外;道德等同于f = function() { x <- rep(1L, 10); x }; a = f()而不是g = function() rep(1L, 10); a = g()。

现实世界代码a <- rep(1L, 10^8); a[123L] <- 231L不涉及副本。我们可以在不使用

人工增加NAMED计数的情况下为作业计时

> a <- rep(1L, 10^8)
> .Internal(inspect(a))
@7f972b571010 13 INTSXP g0c7 [NAM(1)] (len=100000000, tl=0) 1,1,1,1,1,...
> system.time(a[123L] <- a[321L])
   user  system elapsed 
      0       0       0

Answer 2

编辑以下约书亚的评论：下面显示的行为仅限于R-studio !!

要回答OP的问题，复制的根本原因（如@MartinMorgan解释的）是由a的NAM（2）SEXP对象引起的。如果第一个命令不包含system.time(.)，则a <- rep(1, 10^8)会返回NAM(1)类型，这会导致两个分配都没有副本。

在R-studio观察：

然而，要指出另一个有趣的观察/差异，如果你在R-studio中运行，你可能不会注意到另外的行为差异（来自R64 / R32会话）。

差异（在R studio中）似乎源于如何运行代码。也就是说，如果您一次复制并粘贴所有内容（如下所示，包括输出）：

system.time(a <- rep(1L, 10^8))
#    user  system elapsed 
#   0.256   0.263   0.526 
.Internal(inspect(a))
# @10745d000 13 INTSXP g0c7 [NAM(2)] (len=100000000, tl=0) 1,1,1,1,1,...
system.time(a[222L] <- 111L)
#    user  system elapsed 
#   0.299   0.199   0.498 
.Internal(inspect(a))
# @11f1d6000 13 INTSXP g0c7 [NAM(1)] (len=100000000, tl=0) 1,1,1,1,1,...
system.time(a[333L] <- 111L)
#    user  system elapsed 
#       0       0       0 
.Internal(inspect(a))
# @11f1d6000 13 INTSXP g1c7 [MARK,NAM(1)] (len=100000000, tl=0) 1,1,1,1,1,...

您看到第二个分配不涉及内存复制，所需时间为0秒。现在，复制/粘贴/执行相同的命令集，但现在逐个（在键入下一行之前在每行之后按Enter键）。结果如下：

system.time(a <- rep(1L, 10^8))
#    user  system elapsed 
#   0.256   0.265   0.588 
> 
.Internal(inspect(a))
# @10745d000 13 INTSXP g0c7 [NAM(2)] (len=100000000, tl=0) 1,1,1,1,1,...

system.time(a[222L] <- 111L)
#    user  system elapsed 
#   0.302   0.204   0.559 

.Internal(inspect(a))
# @11f1d6000 13 INTSXP g0c7 [NAM(2)] (len=100000000, tl=0) 1,1,1,1,1,...

system.time(a[333L] <- 111L)
#    user  system elapsed 
#   0.296   0.208   0.504 
> 
.Internal(inspect(a))
# @10745d000 13 INTSXP g0c7 [NAM(2)] (len=100000000, tl=0) 1,1,1,1,1,...

对于相同的语法，这里正在制作副本，运行时为0.5秒。

现在解释一下差异（正如@MartinMorgan在他的回答中所解释的那样）：

对于第一种情况，作为NAM（2）SEXP对象，它在赋值期间会重复。但是，当您一次运行所有行时，在第一种情况下只会发生一次。另外需要注意的是，第二个赋值有一个MARK（unsigned int），表示“使用中标记对象”（来自R-internals）。

在第二种情况下，在R-studio中，为每一行命中输入会导致这些分配中的每一个返回一个NAM（2）SEXP对象。因此，每次都会制作副本。

首次括号内的分配与完整分配一样耗时？

2 个答案:

编辑以下约书亚的评论：下面显示的行为仅限于R-studio !!

在R-studio观察：