Referências vs. Cópias

Processamento de Dados em Escala no R

Simon Urbanek

Member of R-Core, Lead Inventive Scientist, AT&T Labs Research

Big matrices e matrizes - Semelhanças

Subconjunto
Atribuição

Big matrices e matrizes - Diferenças

big.matrix é armazenada em disco
Persiste entre sessões do R
Pode ser compartilhada entre sessões do R

O R normalmente cria cópias na atribuição

Isso cria uma cópia de a e a atribui a b.

a <- 42
b <- a
a

a <- 43
a

O R normalmente cria cópias na atribuição

a <- 42

foo <- function(a){a <- 43 
                   paste("Inside the function a is", a)}

foo(a)

"Inside the function a is 43"

paste("Outside the function a is still", a)

"Outside the function a is still 42"

Nem todos os objetos R são copiados

Esta função altera o valor de a no ambiente global

foo <- function(a) {a$val <- 43 
                    paste("Inside the function a is", a$val)}
a <- environment()
a$val <- 42
foo(a)

"Inside the function a is 43"

paste("Outside the function a$val is", a$val)

"Outside the function a$val is 43"

deepcopy()

# x é uma big matrix
x <- big.matrix(...)

# x_no_copy e x referem ao mesmo objeto
x_no_copy <- x

# x_copy e x referem a objetos diferentes
x_copy <- deepcopy(x)

Comportamento por referência

O R não fará cópias implicitamente

Minimiza o uso de memória
Reduz o tempo de execução

Nem todos os objetos R são copiados

library(bigmemory)

x <- big.matrix(nrow = 1, ncol = 3, type = "double", 
                init = 0, 
                backingfile = "hello-bigmemory.bin", 
                descriptorfile = "hello-bigmemory.desc")

Nem todos os objetos R são copiados

x_no_copy <- x
x[,]

0 0 0

x_no_copy[,]

0 0 0

x[,] <- 1
x[,]

1 1 1

x_no_copy[,]

1 1 1

Nem todos os objetos R são copiados

x_copy <- deepcopy(x)
x[,]

1 1 1

x_copy[,]

1 1 1

x[,] <- 2
x[,]

2 2 2

x_copy[,]

1 1 1

Vamos praticar!

Processamento de Dados em Escala no R