Windows环境下的Rserve内存管理

Question

我需要使用Python执行各种任务:灵敏度分析、优化和模拟启动。然而，模拟结果的第一次后处理依赖于存储在Rdata中的R和一个庞大的数据库(8GB，其中一些数据表代表3GB)。因此，我需要迭代R脚本的调用，而不需要迭代数据加载(这需要几分钟)。我第一次尝试使用pyRserve，但我面临的内存限制似乎比原始的R更严格。

通过以下方式：

import pyRserve
conn = pyRserve.connect()
conn.r.load('.Rdata')

我得到以下错误：

REvalError: Error: cannot allocate vector of size 640.3 Mb

所以：

1/是否有办法为Rserve分配更多的内存(通常是在raw R中分配的数量，即16 Gb的配置)？

2/是否有一种替代Rserve的方法，以便一劳永逸地加载Rdata，然后在同一个工作区中运行R脚本？

Answer 1

以下是完美的工作方式。

memory_limit = getattr(conn.r, 'memory.limit')
memory_limit(16287.0)