R，mclapply 的环境和移除变量

Question

我无法理解 mclapply（或其他）的行为。

我做了类似的事情：

opt.Models = mclapply(1:100, mc.cores=20, function(i){
    res = loadResult(reg, id=i)    
    return(post.Process(res))
  })

loadResult 从先前保存的 BatchJob 会话中加载一个结果。因此，res object 需要大约 170MB（大约所有 100 个 object 的大小都相同 +/-5MB）。执行这段代码时，内存占用符合预期：170MB*20= ~3.5GB（我使用了 20 个内核）。第二次执行这段代码时，我的机器吸入了大量内存（超过可用内存 - 所以我停止执行）。这是预期的，因为 mclapply 再次为每个 child 分叉了完整的环境，而我的环境现在有一个大的 opt.Models 变量，大约 10GB。因此需要10*20=200GB。

当我删除 opt.Models、rm(opt.Models) 时，我仍然运行陷入同样的问题。 mclapply 消耗的内存比可用内存多（顺便说一句：90GB）。那么，mclapply fork 了哪个环境，或者 opt.Models 没有完全消失？我无法使用 ls().

看到它

也许你们中有人观察到类似的事情。

此致，

马里奥

Answer 1

您应该在删除变量后调用 gc 函数，以便垃圾收集器尽快释放与该对象关联的内存。 rm 函数只删除对数据的引用，而实际对象可能会继续存在，直到垃圾收集器最终运行。

您可能还想在第一个 mclapply 之前调用 gc 以使测试更容易：

gc()
opt.Models = mclapply(1:100, mc.cores=20, function(i){
    res = loadResult(reg, id=i)    
    return(post.Process(res))
  })

# presumably do something with opt.Models...

rm(opt.Models)
gc()  # free up memory before forking

opt.Models = mclapply(1:100, mc.cores=20, function(i){
    res = loadResult(reg, id=i)    
    return(post.Process(res))
  })

R，mclapply 的环境和移除变量

R, the environment of mclapply and removing variables

r

memory

parallel-processing

mclapply