R循环越来越慢

Question

我很难理解为什么随着迭代次数的增加，这段代码（改编自R Benchmark 2.5）变得越来越慢（平均而言）。

require(Matrix)  
c <- 0;
for (i in 1:100) {
  a <- new("dgeMatrix", x = rnorm(3250 * 3250), Dim = as.integer(c(3250, 3250)))
  b <- as.double(1:3250)
  invisible(gc())
  timing <- system.time({
    c <- solve(crossprod(a), crossprod(a, b))
  })
  print(timing)
  rm(a, b, c)
}

下面是一个示例输出，每次运行略有不同。

据我所知，从一次迭代到下一次迭代都不应该保存任何东西，但时间从最初几个循环中的1秒慢慢增加到后来循环中的4秒以上。你知道是什么原因造成的吗？我该怎么解决？

将for循环切换为*apply似乎会产生类似的结果。

我知道代码没有优化，但它来自一个广泛使用的基准测试，根据导致这种行为的原因，它可能表明其结果存在严重偏差（默认情况下只迭代3次）。

我在Mac OS 10.8.4上运行R 3.0.1版（x86_64），内存为16 GB（很多都是免费的）。BLAS是OpenBLAS。

Answer 1

一种解决方案是使用编译器包将代码编译为字节码。这将消除奇怪的时间问题，因为它将在每次迭代中调用相同的编译代码。它还应该使您的代码更快。要在代码上启用编译器，请包括以下两行：

library(compiler)
enableJIT(3)

如果编译代码并不能消除问题，那么可疑问题的范围就会缩小。

Answer 2

也许您可以尝试将for循环中的代码变成一个函数。这样一来，一次跑步就不可能影响另一次跑步。此外，它还消除了由于过度使用rm（）和gc（）而造成的混乱。

require(Matrix)
NewFun <- function() {
    a <- new("dgeMatrix", x = rnorm(3250 * 3250), Dim = as.integer(c(3250, 3250)))
    b <- as.double(1:3250)
    timing <- system.time({
        c <- solve(crossprod(a), crossprod(a, b))
    })
    print(timing)
}
for (i in 1:100) {
    NewFun()
}