For those using Rstudio, I’ve found that setting Sys.setenv('R_MAX_VSIZE'=32000000000), as has been suggested on multiple StackOverflow posts, only works on the command line, and that setting that parameter while using Rstudio does not prevent this error:
Error: vector memory exhausted (limit reached?)
After doing some more reading, I found this thread, which clarifies the problem with Rstudio, and identifies a solution, shown below:
Step 1: Open terminal,
Step 2:
cd ~
touch .Renviron
open .Renviron
Step 3: Save the following as the first line of .Renviron:
R_MAX_VSIZE=100Gb
Step 4: Close RStudio and reopen
Note: This limit includes both physical and virtual memory; so setting _MAX_VSIZE=16Gb on a machine with 16Gb of physical memory may not prevent this error. You may have to play with this parameter, depending on the specs of your machine
I previously saved a 2.8G RData file and now I’m trying to load it so I can work on it again, but weirdly, I can’t. It’s giving the error
Error: vector memory exhausted (limit reached?)
This is weird since I was working with it fine before. One thing that changed though is I upgraded to the latest version of R 3.5.0. I saw a previous post with the same error like this but it wasn’t resolved. I was hopeful with this solution which increases the memory.limit() but unfortunately, it’s only available for Windows.
Can anyone help? I don’t really understand what’s the problem here since I was able to work with my dataset before the update so it shouldn’t be throwing this error.
Did the update somehow decreased the RAM allocated to R? Can we manually increase the memory.limit() in Mac to solve this error?
asked Jun 28, 2018 at 15:46
Brent CarboneraBrent Carbonera
4382 gold badges5 silver badges8 bronze badges
1
This change was necessary to deal with operating system memory over-commit issues on Mac OS. From the NEWS file:
item The environment variable env{R_MAX_VSIZE} can now be used
to specify the maximal vector heap size. On macOS, unless specified
by this environment variable, the maximal vector heap size is set to
the maximum of 16GB and the available physical memory. This is to
avoid having the command{R} process killed when macOS over-commits
memory.
Set the environment variable R_MAX_VSIZE to an appropriate value for your system before starting R and you should be able to read your file.
answered Jun 28, 2018 at 16:22
3
Некоторое время я работал с несколькими большими файлами, содержащими данные экспрессии генов, и недавно столкнулся с проблемой загрузки этих данных в R после обновления до R 3.5.0. После использования около 8 ГБ памяти (мой компьютер имеет 16 ГБ ОЗУ), если я пытаюсь прочитать другой файл, я получаю следующую ошибку:
Error: vector memory exhausted (limit reached?)
Я нашел предыдущее сообщение (Ошибка: исчерпана векторная память (достигнут предел?) ), предлагая попытаться установить для переменной среды R_MAX_VSIZE более высокое значение, поэтому я попробовал следующее:
Sys.setenv(R_MAX_VSIZE = 16e9)
Тем не менее, я все еще получил ту же ошибку. Я правильно не устанавливаю переменную среды? я что-то упускаю?
Информация о сессии:
R version 3.5.0 (2018-04-23)
Platform: x86_64-apple-darwin15.6.0 (64-bit)
Running under: macOS High Sierra 10.13.5
Matrix products: default
BLAS: /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/3.5/Resources/lib/libRlapack.dylib
locale:[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages: [1] data.table_1.11.4
loaded via a namespace (and not attached):
[1] compiler_3.5.0 tools_3.5.0
3 ответа
Лучший ответ
Для тех, кто использует Rstudio, я обнаружил, что настройка Sys.setenv('R_MAX_VSIZE'=32000000000) работает только в командной строке, и что установка этого параметра при использовании Rstudio не предотвращает эту ошибку:
Error: vector memory exhausted (limit reached?)
После прочтения я обнаружил, что этот поток, который проясняет проблему с Rstudio и определяет решение, показанное ниже:
Шаг 1: Откройте терминал,
Шаг 2:
cd ~
touch .Renviron
open .Renviron
Шаг 3. Сохраните следующее как первую строку .Renviron:
R_MAX_VSIZE=100Gb
Примечание. Этот предел включает как физическую, так и виртуальную память; поэтому установка _MAX_VSIZE = 16 ГБ на машине с 16 ГБ физической памяти может не предотвратить эту ошибку. Возможно, вам придется поиграть с этим параметром, в зависимости от характеристик вашей машины
20
Graeme Frost
2 Окт 2018 в 16:46
R 3.5 имеет новый системный предел для выделения памяти. Из заметок о выпуске:
Переменная среды R_MAX_VSIZE теперь может использоваться для указания максимального размера кучи вектора. В macOS, если эта переменная среды не указана, максимальный размер кучи вектора не должен превышать 16 ГБ и доступной физической памяти. Это сделано для того, чтобы избежать уничтожения процесса R при чрезмерной фиксации памяти в macOS.
Вы можете переопределить это. Вы рискуете перераспределить и убить процесс, но это, вероятно, то, что происходило, если вы ударились о твердую стену с R 3.4.4 или чем-то, что вы использовали ранее.
Выполните в терминале следующее, чтобы создать временную переменную среды R_MAX_VSIZE со значением 32 ГБ (изменить в соответствии с): export R_MAX_VSIZE=32000000000
Или, если вы не хотите открывать терминал и запускать его каждый раз, когда вы хотите начать сеанс R, вы можете добавить эту же строку в свой профиль bash. Откройте Terminal и найдите свой профиль bash open .bash_profile и в текстовом редакторе добавьте строку сверху.
Вам все равно придется открыть терминал и запустить R оттуда. Вы можете запустить R в терминале, просто выполнив R или вы можете открыть графический интерфейс open -n /Applications/R.app.
Чтобы внести это изменение в сеанс R, используйте Sys.setenv('R_MAX_VSIZE'=32000000000) и для проверки значения используйте Sys.getenv('R_MAX_VSIZE')
11
divibisan
26 Авг 2018 в 20:28
Решение для тех, кто может быть незнаком с командной строкой, можно найти здесь :
Короче говоря, решение состоит в том, чтобы использовать пакет usethis.
usethis::edit_r_environ() откроет .Renviron, которое находится в вашем домашнем каталоге. Это .Renviron влияет на всю работу Rstudio
usethis::edit_r_environ("project") откроет локальную .Renviron для вашего проекта. Изменения, внесенные в этот файл, влияют только на работу, выполненную в этом конкретном проекте Rstudio.
После открытия можно установить переменную R_MAX_VSIZE.
Связанная страница также ссылается на этот блог который подробно описывает процесс запуска R
9
Mir Henglin
27 Апр 2019 в 16:33
The error code that reads error: vector memory exhausted (limit reached?) happens when you are working with the R programming language on macOS. Keep on reading as our experts show you tried and tested methods to fix this error. In addition, we’ll also be teaching you expert tips that will help you prevent this error and answer some commonly-asked questions about it.
Contents
- Error: Vector Memory Exhausted (Limit Reached?): Why Are You Getting It?
- – You Are Working With a Large Dataset in RStudio
- – Rstudio Needs More Allocated Memory
- – Your System Needs More RAM for the Current Task
- How To Fix Vector Exhausted Memory
- – Use a System With More RAM
- – Change r_max_vsize on the Command Line
- – Change r_max_vsize in Rstudio
- – Use Parallel Computing
- Additional Information About the Vector Exhausted Memory in R
- – What Is R_max_vsize?
- – Why Is R Using So Much Memory?
- – Does R Have a Memory Limit?
- – What Happens When R Runs Out of Memory?
- – How Do You Increase Memory in Rstudio Mac?
- Conclusion
Error: Vector Memory Exhausted (Limit Reached?): Why Are You Getting It?
You are getting the memory exhausted error because you are probably working with a large dataset in RStudio, your RStudio needs more allocated memory, or your system needs more RAM for the current task. Let’s look at these possible reasons in greater detail.
– You Are Working With a Large Dataset in RStudio
When working with a large dataset in RStudio, you can run into RStudio memory limit. The reason is that every application has a defined amount of memory it can use on a system. For example, if your dataset is between 8 to 10 gigabytes, you’ll notice an error in RStudio.
– Rstudio Needs More Allocated Memory
Your computer system regulates the amount of memory allocated to RStudio, so when you run into a memory error, that means Rstudio has reached its memory limit on the system.
– Your System Needs More RAM for the Current Task
It’s public knowledge that systems have different amounts of installed RAM, so if your RAM is too small for the task, you’ll notice an error: vector memory exhausted (limit reached?) macOS warning.
You can fix the vector exhausted memory error by taking several steps such as using a system with more RAM or using parallel computing. Aside from these, you can also perform the following:
- Use a system with more RAM
- Change r_max_vsize on the command line
- Change r_max_vsize in RStudio
- Use parallel computing
Let’s take a closer look at these solutions:
– Use a System With More RAM
You can get a system with more RAM to solve the memory issues when using the R language in RStudio. On a normal day, a system having 16 GB of RAM should be an easy solution. However, if your dataset needs more than 16 GB of RAM, then you’ll need to invest in more memory. Doing this is a step toward the elimination of the memory limit R Mac error.
– Change r_max_vsize on the Command Line
Before changing the r_max_size, you can check r_max_vsize. However, if you are seeing the memory error, you’ll need to change r_max_size. The change will increase vector memory R and get rid of the memory error.
The following command will change r_max_vsize on the command line:
Sys.setenv(‘R_MAX_VSIZE’=32000000000)
– Change r_max_vsize in Rstudio
Changing the r_max_vsize on the command line might not work for Rstudio. That’s why you can also change it in RStudio itself. To change r_max_vsize in RStudio, open your terminal and type the following commands:
cd ~
touch .Renviron
open .Renviron
The touch command will create a file called .Renviron, while the open command will open the .Renviron file and prepare it for writing. Once .Renviron opens, save the following as the first line in the file:
R_MAX_VSIZE=100Gb
However, if you are on Windows, you can use the memory.limit() function to increase R’s memory. That is because ‘memory.limit()’ is windows-specific.
– Use Parallel Computing
Modern systems have multiple CPU cores, however, the R language uses only a single core. Nevertheless, you can allow R to take advantage of your system’s multiple cores. Your first option is to use the Mclappy function, which will run the process in parallel. The following is an example usage of Mclappy:
mclapply(data_vector, function, mc.cores = detectCores())
However, to use the Mclappy function, you’ll need to download and install a package. The package name is parallel, and you can get parallel using the following command:
install.packages(‘parallel’)
library(parallel)
The second option to use parallel computing in R is via the Future package by Henrik Bengtsson. After the package installation, use the following to increase the memory allocation:
options(future globals maxsize 4000 1024^2)
Additional Information About the Vector Exhausted Memory in R
The vector exhausted memory can prove tricky at times due to the difference in Operating Systems. However, in previous sections of this article, we’ve shown you how to solve it all.
This section is a thematic list of questions related to the error. We’ve analyzed the common questions, and we’ll give you answers that came straight from our experts.
– What Is R_max_vsize?
R_max_vsize is an environmental variable that can be used to declare the maximum vector heap size. On macOS, it’s easy to change the vector heap size, as we’ve detailed in this article.
– Why Is R Using So Much Memory?
R will use a lot of memory when it copies objects because it still occupies the space before deletion even though these copied objects get deleted at a later time. If you don’t want this, you can transfer the space back to the operating system using the gc() function.
GC stands for garbage collection, and it works by checking and freeing up unused space. Moreover, when R needs memory, it’ll call the gc() function by itself. The takeaway from all is that R is memory intensive, so we advise that you have as much memory (RAM) as possible.
What’s more, if you are running R in a virtual machine, allocate enough memory to the virtual machine. The allocated memory should accommodate your datasets when running R.
– Does R Have a Memory Limit?
It depends on the architecture of your system; for a 32bit Windows system, the Memory limit for R is capped at approximately three and a half gigabytes. However, R will use the RAM available in a 64bit version of Windows 7/8/10, macOS Linux CPUs.
Nonetheless, you can check the memory limit using the following:
memory.limit()
To check the current memory being used by R, use the following command:
memory.size()
These commands will give you an insight into R memory usage. About memory.size(), you can execute it to know R memory usage, so you’ll know before you hit the allowed limit indicated by the call to memory.limit().
– What Happens When R Runs Out of Memory?
If you are on Windows, R will tell you when it runs out of memory, and if you install more RAM, you’ll have to reinstall R. This will allow R to use the added memory. In addition, you can prevent R from running out of memory in High Performance computing.
To get started, check out packages that allow you to work with large datasets that are large for the memory. An example of such a package is ff package by Adler et al. that uses a data structure stored on your system disk. Meanwhile, these structures behave as if they are in the RAM. The ff package achieves this feat using transparent mapping of page size in memory.
Another package is the bigmemory by Kane and Emerson. This package allows you to store large objects in memory. After that, you can use an external pointer to refer to these objects. This allows transparent access from R without going over the memory limit of R.
– How Do You Increase Memory in Rstudio Mac?
You can inccrease an application’s memory size when it’s in the Classic environment of Mac OS X by going into the File menu of Rstudio. In Mac OS X, there is no need to set an application’s memory size for built-in applications because Mac OS X makes memory adjustments based on the application’s needs.
Proceed with the following steps:
- Determine the memory in your computer.
- Close the application you’ll to allocate memory to.
- Select the application’s icon. In this case, it’s RStudio.
- Select Get Info or Show Info from the File menu. This will open the application information window.
- In Mac OS X version greater than 10.2.x, click the arrow to the left of “Memory:” As a result, the arrow should face down.
- Meanwhile, in the Mac OS X series of 10.0.x and 10.1.x, select Memory from the pop-up menu.
- Enter the amount of memory you’d like to allocate to the application In the “Preferred size:” field.
Conclusion
This article explained the error about memory exhaustion in R in great detail, and you also learned what it takes to fix the error. Towards the end of the article, we gave you answers to further questions you may have about the error, and as a takeaway, here are the key points of this guide:
- Working with large datasets can lead to a memory limit error.
- You can fix the memory limit error by using more RAM or changing r_max_vsize.
- You can change r_max_vsize via the command line or in RStudio.
- You can check the memory limit in R with memory.limit().
- Packages like ff and bigmemory can prevent you from going over R’s memory limit.
With our detailed guide, you can fix memory issues in R and RStudio without any stress. You should use our article as your guiding light the next time you encounter this error.
- Author
- Recent Posts
Position Is Everything: Your Go-To Resource for Learn & Build: CSS,JavaScript,HTML,PHP,C++ and MYSQL.
Некоторое время я работал с рядом больших файлов, содержащих данные экспрессии генов, и недавно я столкнулся с проблемой загрузки этих данных в R после обновления до R 3.5.0. После использования около 8 ГБ памяти (мой Mac имеет 16 ГБ ОЗУ), если я попытаюсь прочитать другой файл, я получаю следующую ошибку:
Error: vector memory exhausted (limit reached?)
Я нашел предыдущий пост (Ошибка: память векторов исчерпана (достигнут предел?)), в котором предлагалось установить более высокое значение переменной окружения R_MAX_VSIZE, поэтому я попробовал следующее:
Sys.setenv(R_MAX_VSIZE = 16e9)
Однако у меня все еще была та же ошибка. Я неправильно устанавливаю переменную окружения? что-то мне не хватает?
Информация о сеансе:
R version 3.5.0 (2018-04-23)
Platform: x86_64-apple-darwin15.6.0 (64-bit)
Running under: macOS High Sierra 10.13.5
Matrix products: default
BLAS: /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/3.5/Resources/lib/libRlapack.dylib
locale:[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages: [1] data.table_1.11.4
loaded via a namespace (and not attached):
[1] compiler_3.5.0 tools_3.5.0
Перейти к ответу
Данный вопрос помечен как решенный
Ответы
3
R 3.5 имеет новое системное ограничение на выделение памяти. Из примечаний к выпуску:
The environment variable R_MAX_VSIZE can now be used to specify
the maximal vector heap size. On macOS, unless specified by this
environment variable, the maximal vector heap size is set to the
maximum of 16GB and the available physical memory. This is to
avoid having the R process killed when macOS over-commits memory.
Вы можете отменить это. Вы рискуете перераспределить ресурсы и убить процесс, но, вероятно, именно это и произошло, если вы натолкнулись на твердую стену с помощью R 3.4.4 или того, что вы использовали раньше.
Выполните в Терминале следующее, чтобы создать временную переменную среды R_MAX_VSIZE со значением 32 ГБ (изменить в соответствии с требованиями):
export R_MAX_VSIZE=32000000000
Или, если вы не хотите открывать Терминал и запускать его каждый раз, когда вы хотите запустить сеанс R, вы можете добавить ту же строку в свой профиль bash. Откройте Терминал и найдите свой профиль bash open .bash_profile и в текстовом редакторе добавьте строку сверху.
Вам все равно придется открыть Терминал и запустить R оттуда. Вы можете запустить R в терминале, просто выполнив R, или вы можете открыть графический интерфейс open -n /Applications/R.app.
Чтобы внести это изменение в сеанс R, используйте Sys.setenv(‘R_MAX_VSIZE’=32000000000)
и для проверки значения используйте Sys.getenv(‘R_MAX_VSIZE’)
Для тех, кто использует Rstudio, я обнаружил, что установка Sys.setenv(‘R_MAX_VSIZE’=32000000000) работает только в командной строке, и установка этого параметра при использовании Rstudio не предотвращает эту ошибку:
Error: vector memory exhausted (limit reached?)
Прочитав еще немного, я нашел поток это, который проясняет проблему с Rstudio и определяет решение, показанное ниже:
Шаг 1. Откройте терминал,
Шаг 2:
cd ~
touch .Renviron
open .Renviron
Шаг 3: Сохраните следующее как первую строку .Renviron:
R_MAX_VSIZE=100Gb
Примечание. Это ограничение включает как физическую, так и виртуальную память; поэтому установка _MAX_VSIZE = 16Gb на машине с 16Gb физической памяти не может предотвратить эту ошибку. Возможно, вам придется поиграть с этим параметром, в зависимости от характеристик вашей машины.
Решение для тех, кто может быть незнаком с командной строкой, можно найти здесь:
Короче говоря, решение — использовать пакет usethis.
Usethis::edit_r_environ() откроет .Renviron, который находится в вашем домашнем каталоге. Этот .Renviron влияет на всю работу Rstudio
Usethis::edit_r_environ(«project») откроет локальный .Renviron для вашего проекта. Изменения, внесенные в этот файл, влияют только на работу, выполненную в этом конкретном проекте Rstudio.
После открытия можно установить переменную R_MAX_VSIZE.
На связанной странице также есть ссылка на этот блог, который очень подробно описывает процесс запуска R.
Другие вопросы по теме
Memory management is an important aspect of R programming. Problems like the Error: vector memory exhausted (limit reached?) can happen quite often when your system can’t match the hardware requirements of your R programs.
Read on to find out the root cause of this program and how to resolve it.
One of the first things R scientists and engineers must know about this is an in-memory language.
This means it always tries to host all objects in the system memory. This design approach helps boost flexibility and performance. As you might already know, objects stored in RAM are much faster to access and read from compared to traditional storage options like HDD or even SSD.
However, your R programs may eat up a large chunk of your system’s memory when they have complex algorithms and deal with big datasets.
On top of that, R uses garbage collection instead of immediately dropping objects from the memory when they are no longer in use. This collector only runs on an occasional basis and checks for data that aren’t being referenced anymore. It isn’t until that point that those objects are removed from the memory to create more room for your program.
When R can’t get more memory allocated to your program, it will print out this message:
Error: vector memory exhausted (limit reached?)Solutions
Switch To The 64-Bit Build
R’s developers produce both 32- and 64-bit builds. Most 64-bit operating systems (Windows, macOS, and Linux) can run either variant. However, there is a massive difference in memory limitations between those builds.
When you run a 32-bit R installation, the system imposes a limit (usually less than 4GB) on the maximum memory it can use. This is a severe limitation that doesn’t go away even when you have a 64-bit machine with plenty of RAM. In fact, most 32-bit Windows versions can only allocate 2GB to 32-bit applications by default.
If you have a 64-bit computer, install the 64-bit versions of your operating system and R to remove these memory restrictions.
You can learn more about your current R installation with the version command:
> version
platform x86_64-pc-linux-gnu
arch x86_64
os linux-gnu
system x86_64, linux-gnu For instance, these lines indicate that you have a 64-bit R build on a 64-bit Linux system.
Increase The Memory Limit On Windows
You can use the memory.limit() function to set the new limit on memory allocation.
This is only applicable when you have 32-bit R builds on Windows. There is no need to do this with 64-bit builds on Windows or other platforms as they don’t have such restrictions on the amount of memory R can use.
Syntax:
memory.limit(size = NA)NA is the value of maximum obtainable RAM in MB, and it should not exceed 4095. You can also set the environment variable R_MAX_MEM_SIZE to this value to achieve the same effect.
Install More RAM
If you can switch your program to a system with a higher memory capacity, you can upgrade the RAM of your existing system.
High-performance PCs often have 16, 32, or even 64GB of RAM these days. The limitation depends on the number of available RAM slots on your computer and how much RAM you can install to each of them.
Remember that RAM sticks should be installed in pairs and should have the same specifications, so your system can have optimal performance. Check the RAM’s compatibility with the motherboard and CPU, or your expensive purchases might go to waste.
You can install RAM sticks yourself or ask for help from a technician.
Summary
The Error: vector memory exhausted (limit reached?) appears when your R program can’t find any more memory for its operation. You can get more RAM and use 64-bit builds to make more memory available to it.
Maybe you are interested:
- “Geom_path: Each group consists of only one observation. Do you need to adjust the group aesthetic?” – How To Fix
- cd: string not in pwd
- Failed to Load ApplicationContext for JUnit Test of Spring Controller
My name is Robert. I have a degree in information technology and two years of expertise in software development. I’ve come to offer my understanding on programming languages. I hope you find my articles interesting.
Job: Developer
Name of the university: HUST
Major: IT
Programming Languages: Java, C#, C, Javascript, R, Typescript, ReactJs, Laravel, SQL, Python
Некоторое время я работал с рядом больших файлов, содержащих данные экспрессии генов, и недавно я столкнулся с проблемой при загрузке этих данных в R после обновления до R 3.5.0. После использования около 8 ГБ памяти (мой Mac имеет 16 ГБ ОЗУ), если я попытаюсь прочитать другой файл, я получаю следующую ошибку:
Error: vector memory exhausted (limit reached?)
Я нашел предыдущий пост (Ошибка: память векторов исчерпана (достигнут предел?) ), предлагая установить для переменной окружения R_MAX_VSIZE более высокое значение, поэтому я попробовал следующее:
Sys.setenv(R_MAX_VSIZE = 16e9)
Однако у меня все еще была та же ошибка. Я неправильно устанавливаю переменную окружения? что-то мне не хватает?
Информация о сеансе:
R version 3.5.0 (2018-04-23)
Platform: x86_64-apple-darwin15.6.0 (64-bit)
Running under: macOS High Sierra 10.13.5
Matrix products: default
BLAS: /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/3.5/Resources/lib/libRlapack.dylib
locale:[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages: [1] data.table_1.11.4
loaded via a namespace (and not attached):
[1] compiler_3.5.0 tools_3.5.0
person
Graeme Frost
schedule
09.07.2018
source
источник
Ответы (3)
Для тех, кто использует Rstudio, я обнаружил, что установка Sys.setenv('R_MAX_VSIZE'=32000000000) работает только в командной строке, и установка этого параметра при использовании Rstudio не предотвращает эту ошибку:
Error: vector memory exhausted (limit reached?)
Прочитав еще немного, я обнаружил эта ветка, в которой разъясняется проблема с Rstudio и определяется решение, показанное ниже:
Шаг 1. Откройте терминал,
Шаг 2:
cd ~
touch .Renviron
open .Renviron
Шаг 3: Сохраните следующее как первую строку .Renviron:
R_MAX_VSIZE=100Gb
Примечание. Это ограничение включает как физическую, так и виртуальную память; поэтому установка _MAX_VSIZE = 16Gb на машине с 16Gb физической памяти не может предотвратить эту ошибку. Возможно, вам придется поиграть с этим параметром, в зависимости от характеристик вашей машины.
person
Graeme Frost
schedule
02.10.2018
R 3.5 имеет новое системное ограничение на выделение памяти. Из примечаний к выпуску:
Переменная среды R_MAX_VSIZE теперь может использоваться для указания максимального размера кучи вектора. В macOS, если не указано в этой переменной среды, максимальный размер кучи векторов установлен на максимум 16 ГБ и доступную физическую память. Это сделано, чтобы избежать остановки процесса R, когда macOS чрезмерно загружает память.
Вы можете отменить это. Вы рискуете превысить доступность и убить процесс, но это, вероятно, то, что происходило, если вы натолкнулись на твердую стену с помощью R 3.4.4 или того, что вы использовали раньше.
Выполните в Терминале следующее, чтобы создать временную переменную среды R_MAX_VSIZE со значением 32 ГБ (изменить в соответствии с требованиями): export R_MAX_VSIZE=32000000000
Или, если вы не хотите открывать Терминал и запускать его каждый раз, когда вы хотите запустить сеанс R, вы можете добавить ту же строку в свой профиль bash. Откройте Терминал, найдите свой профиль bash open .bash_profile и в текстовом редакторе добавьте строку сверху.
Вам все равно придется открыть Терминал и запустить R оттуда. Вы можете запустить R в терминале, просто выполнив R, или вы можете открыть графический интерфейс open -n /Applications/R.app.
Чтобы сделать это изменение в сеансе R, используйте Sys.setenv('R_MAX_VSIZE'=32000000000), а для проверки значения используйте Sys.getenv('R_MAX_VSIZE')
person
Connor Dibble
schedule
21.08.2018
Решение для тех, кто не знаком с командной строкой, можно найти здесь:
Короче говоря, решение — использовать пакет usethis.
usethis::edit_r_environ() откроет .Renviron, который находится в вашем домашнем каталоге. Этот .Renviron влияет на всю работу Rstudio
usethis::edit_r_environ("project") откроет локальный .Renviron для вашего проекта. Изменения, внесенные в этот файл, влияют только на работу, выполненную в этом конкретном проекте Rstudio.
После открытия можно установить R_MAX_VSIZE var.
На указанной странице также есть ссылка на этот блог, который подробно описывает процесс запуска R.
person
Mir Henglin
schedule
27.04.2019