在R语言中整数向量的大小

Question

我曾经认为R语言在存储对象时有一个标准的开销（似乎至少对于整数向量是24字节），但简单的测试表明它比我意识到的要更加复杂。例如，使用随机抽样将整数向量长度限制在100以内（希望避免任何可能存在的狡猾的序列压缩技巧），我发现不同长度的向量可以具有相同的大小，如下所示：

> N   = 100
> V   = vector(length = 100)
> for(L in 1:N){
+     z = sample(N, L, replace = TRUE)
+     V[L]    = object.size(z)
+ }
> 
> options('width'=88)
> V
  [1]  48  48  56  56  72  72  72  72  88  88  88  88 104 104 104 104 168 168 168 168
 [21] 168 168 168 168 168 168 168 168 168 168 168 168 176 176 184 184 192 192 200 200
 [41] 208 208 216 216 224 224 232 232 240 240 248 248 256 256 264 264 272 272 280 280
 [61] 288 288 296 296 304 304 312 312 320 320 328 328 336 336 344 344 352 352 360 360
 [81] 368 368 376 376 384 384 392 392 400 400 408 408 416 416 424 424 432 432 440 440

我对出现的 152 值印象深刻（观察：152 = 128 + 24，尽管280 = 256 + 24不如此显著）。有人能解释一下这些分配是如何产生的吗？我在文档中没有找到清晰的定义，尽管V细胞出现了。

- Iterator

---

这很可能是object.size实现的一种偏差。请注意帮助文档中将其描述为一个估计值... - Nick Sabbe

@Nick：哦不，这有点令人毛骨悚然，因为我很依赖object.size()。感谢指引。据我所知，不确定性是由于可能的属性（或甚至编码）问题而产生的。但是在生活中没有比整数向量更简单的东西了。 - Iterator

我同意，不过你仍需小心，因为重复利用通常是隐藏的（只需看看共享所有但1列的两个巨大数据框的object.size即可）。 - Nick Sabbe

我更新了表格，使其显示为5x20。 - smci

Answer 1

即使你尝试 N <- 10000，所有的值都会出现两次，除了长度为：

• 5到8（56个字节）
• 9到12（72个字节）
• 13到16（88字节）
• 17到32（152字节）

这些长度出现两次的事实，源于内存以8字节为一块（在 ?gc 中称为Vcells）进行分配，而整数只占用4个字节。

此外，R中对象的内部结构对小型和大型向量进行了区分以便于分配内存。小型向量是在约2 Kb大小的大块中分配的，而较大的向量则单独分配。这些“小型”向量包括6个定义类别，根据长度定义，能够存储高达8、16、32、48、64和128字节的向量数据。由于一个整数只占用4个字节，因此在这6个类别中，您可以存储2、4、8、12、16和32个整数。这解释了你看到的模式。

额外的字节数用于头文件（在 ?gc 中形成Ncells）。如果您真的对所有这些内容感兴趣，请阅读 R Internals 手册。

正如您猜测的那样，多余的24个字节来自头文件（或Ncells）。事实上，这比这更加复杂，但确切的细节可以在 R internals 手册中找到。

- Joris Meys

---

对于一个非常有见地的回答，我会点赞+1，并且如果可以的话，我也会因为使用了“distinguishment”而再次点赞+1。 - Iterator

啊...应该是“distinguishes”而不是“makes a distinguishment”。这是荷兰语翻译成英语的结果。 - Joris Meys

不，没关系：distinguishment是distinction的同义词。只是普通人不常用而已。 - Iterator