R高性能編程

1 理解R的性能：為什麼R程序有時候很慢？1
計算性能的三個限制因素：CPU、RAM和磁盤I／O2
R是運行時解釋的4
R是單線程的5
R需要將全部數據加載到內存5
算法設計影響時間和空間復雜度6
小結9

2 性能分析：衡量代碼的性能11
衡量總運行時間11
使用system.time衡量運行時間12
使用rbenchmark重復衡量運行時間13
使用microbenchmark衡量運行時間的分布15
分析運行時間16
使用Rprof分析函數的性能16
性能分析的結果18
分析內存使用情況20
使用OS工具監控內存使用情況、CPU使用情況和磁盤I／O22
瓶頸的發現及解決23
小結26

3 加快R運行的簡單方法27
向量化27
使用內置函數29
預分配內存30
使用更簡單的數據結構33
使用哈希表進行大型數據上的頻繁查找34
去CRAN尋找更快的包35
小結36

4 使用編譯代碼加快運行速度37
在運行之前編譯R代碼37
編譯函數38
即時編譯（JIT）R代碼41
在R中使用編譯語言41
前提條件42
以內聯形式包含編譯代碼42
調用外部編譯代碼46
使用編譯代碼的注意事項49
小結52

5 使用GPU讓R運行得更快53
GPU上的通用計算53
R和GPU54
安裝gputools55
使用gputools實現快速統計建模55
小結59

6 減少內存使用的簡單方法61
重用對象而不多占用內存61
刪除不再需要的中間數據66
運行時計算值而不是永久性存儲值69
交換活躍數據和非活躍數據71
小結71

7 使用有限的內存處理大型數據集73
使用節約內存的數據結構73
更小的數據類型76
稀疏矩陣77
對稱矩陣78
比特向量79
使用內存映射文件並以塊的形式處理數據80
bigmemory包81
ff包85
小結89

8 使用並行計算加倍提升性能91
數據並行性 v.s.任務並行性91
實現數據並行的算法95
實現任務並行的算法98
集群節點運行同一個任務時98
集群節點運行多個不同任務時100
計算機集群並行執行多個任務102
共享內存並行性 v.s.分布式內存並行性104
優化並行的性能108
小結109

9 將數據處理交給數據庫系統111
將數據抽取到R v.s.在數據庫中處理數據111
在關系型數據庫中使用SQL進行數據預處理112
將R表達式轉化為SQL116
使用dplyr117
使用PivotalR119
在數據庫中運行統計和機器學習算法122
使用列式數據庫提升性能125
使用數據庫陣列最大化科學計算的性能128
小結129

10 R和大數據131
理解Hadoop131
在Amazon Web Services上配置Hadoop133
使用Hadoop批量處理大型數據集136
將數據上傳到HDFS136
使用RHadoop分析HDFS數據138
R中的其他Hadoop包142
小結143

隨着數據越來越重要，商家和科學家們也越來越需要高效分析和處理大規模數據的工具。近年來，R這一工具越來越普遍地應用於數據處理、統計分析和數據科學。雖然R最初源自學術界，但如今已經被工業界各個組織廣泛使用。
然而，由於R本身的設計問題，它能夠有效處理的數據規模和計算復雜度有限。這對於需要處理日益增長的大規模數據的R用戶來說，是個極大的障礙。