R中的缓存/备注/哈希选项

Question 1

我试图找到一种简单的方法来在R中使用Perl的哈希函数（本质上是缓存），因为我打算同时进行Perl样式的哈希并编写自己的计算备忘录。但是，其他人却打败了我，并准备了备忘录。挖掘的越多，我发现的就越多，例如memoise和R.cache，但差异尚不明确。此外，除了使用该hash包之外，还不清楚如何获得Perl风格的哈希（或Python风格的字典）并编写自己的备忘录，这似乎并不能支撑这两个备忘录包。

由于我找不到有关CRAN或其他地方的信息来区分这些选项，因此这也许应该是关于SO的社区Wiki问题：R中用于记忆和缓存的选项是什么，它们之间有什么区别？

作为比较的基础，这是我找到的选项的列表。另外，在我看来，所有这些都依赖于哈希，因此我还要注意哈希选项。密钥/值存储在某种程度上是相关的，但是它打开了大量有关DB系统的蠕虫（例如BerkeleyDB，Redis，MemcacheDB以及许多其他蠕虫）。

看起来这些选项是：

散列

摘要-为任意R对象提供哈希。

记忆化

memoise-一个非常简单的功能记忆工具。
R.cache-提供更多用于记忆的功能，尽管似乎其中一些功能缺少示例。

快取

hash-提供类似于Perl的hash和Python字典的缓存功能。

键/值存储

这些是R对象的外部存储的基本选项。

检查点

缓存器-这似乎更类似于检查点。
CodeDepends-一个OmegaHat项目，可作为基础cacher并提供一些有用的功能。
DMTCP（不是R包）-似乎支持多种语言的检查点，并且开发人员最近寻求协助来测试R中的DMTCP检查点。

其他

Base R支持：命名向量和列表，数据框的行和列名称以及环境中的项目名称。在我看来，使用列表有点麻烦。（也有pairlist，但已弃用。）
所述data.table包支持在一个数据表元素的快速查找。

用例

尽管我对了解这些选项最感兴趣，但是我有两个基本用例：

缓存：简单的字符串计数。[注意：这不是用于NLP，而是用于一般用途，因此NLP库是过大的；表是不够的，因为我不想等到整个字符串集都加载到内存中后再进行操作。Perl样式的哈希值在实用程序中是正确的。]
记忆巨大的计算。

之所以会出现这些问题，是因为我正在研究一些简单的代码概要分析，并且我真的很想只计算简单的字符串，看看是否可以通过记忆来加快一些计算。即使我不做备忘录，也能够对输入值进行哈希处理，这会让我看看备忘录是否有帮助。

注意1：“可再生性研究的CRAN任务视图”列出了几个软件包（cacher和R.cache），但未详细说明用法选项。

注意2：为了帮助其他人查找相关代码，这里有一些作者或软件包的注意事项。有些作者使用SO。:)

Dirk Eddelbuettel：digest-许多其他软件包都依赖于此。
罗杰·彭：cacher，filehash，stashR-以不同的方式，这些地址不同的问题; 有关更多软件包，请参见Roger的网站。
Christopher Brown：hash-似乎是一个有用的软件包，但不幸的是，与ODG的链接断开了。
亨里克·本格森（Henrik Bengtsson）：R.cache＆哈德利·威克姆（Hadley Wickham）：memoise-目前尚不清楚何时偏爱另一种包装。

注意3：有些人使用备忘录/记忆，其他人使用备忘录/记忆。如果您在四处搜寻，请注意。Henrik使用“ z”，Hadley使用“ s”。

Question 2

我没有运气，memoise因为它给too deep recursive我尝试过的某个包装的功能带来了问题。有了R.cache我，我会好运。以下是我根据R.cache文档改编的带注释的代码。该代码显示了执行缓存的不同选项。

# Workaround to avoid question when loading R.cache library
dir.create(path="~/.Rcache", showWarnings=F) 
library("R.cache")
setCacheRootPath(path="./.Rcache") # Create .Rcache at current working dir
# In case we need the cache path, but not used in this example.
cache.root = getCacheRootPath() 
simulate <- function(mean, sd) {
    # 1. Try to load cached data, if already generated
    key <- list(mean, sd)
    data <- loadCache(key)
    if (!is.null(data)) {
        cat("Loaded cached data\n")
        return(data);
    }
    # 2. If not available, generate it.
    cat("Generating data from scratch...")
    data <- rnorm(1000, mean=mean, sd=sd)
    Sys.sleep(1) # Emulate slow algorithm
    cat("ok\n")
    saveCache(data, key=key, comment="simulate()")
    data;
}
data <- simulate(2.3, 3.0)
data <- simulate(2.3, 3.5)
a = 2.3
b = 3.0
data <- simulate(a, b) # Will load cached data, params are checked by value
# Clean up
file.remove(findCache(key=list(2.3,3.0)))
file.remove(findCache(key=list(2.3,3.5)))

simulate2 <- function(mean, sd) {
    data <- rnorm(1000, mean=mean, sd=sd)
    Sys.sleep(1) # Emulate slow algorithm
    cat("Done generating data from scratch\n")
    data;
}
# Easy step to memoize a function
# aslo possible to resassign function name.
This would work with any functions from external packages. 
mzs <- addMemoization(simulate2)

data <- mzs(2.3, 3.0)
data <- mzs(2.3, 3.5)
data <- mzs(2.3, 3.0) # Will load cached data
# aslo possible to resassign function name.
# but different memoizations of the same 
# function will return the same cache result
# if input params are the same
simulate2 <- addMemoization(simulate2)
data <- simulate2(2.3, 3.0)

# If the expression being evaluated depends on
# "input" objects, then these must be be specified
# explicitly as "key" objects.
for (ii in 1:2) {
    for (kk in 1:3) {
        cat(sprintf("Iteration #%d:\n", kk))
        res <- evalWithMemoization({
            cat("Evaluating expression...")
            a <- kk
            Sys.sleep(1)
            cat("done\n")
            a
        }, key=list(kk=kk))
        # expressions inside 'res' are skipped on the repeated run
        print(res)
        # Sanity checks
        stopifnot(a == kk)
        # Clean up
        rm(a)
    } # for (kk ...)
} # for (ii ...)

Question 3

对于简单的字符串计数（而不使用table或类似方法），多集数据结构似乎很合适。该environment对象可用于模拟此对象。

# Define the insert function for a multiset
msetInsert <- function(mset, s) {
    if (exists(s, mset, inherits=FALSE)) {
        mset[[s]] <- mset[[s]] + 1L
    } else {
        mset[[s]] <- 1L 
    }
}

# First we generate a bunch of strings
n <- 1e5L  # Total number of strings
nus <- 1e3L  # Number of unique strings
ustrs <- paste("Str", seq_len(nus))

set.seed(42)
strs <- sample(ustrs, n, replace=TRUE)


# Now we use an environment as our multiset    
mset <- new.env(TRUE, emptyenv()) # Ensure hashing is enabled

# ...and insert the strings one by one...
for (s in strs) {
    msetInsert(mset, s)
}

# Now we should have nus unique strings in the multiset    
identical(nus, length(mset))

# And the names should be correct
identical(sort(ustrs), sort(names(as.list(mset))))

# ...And an example of getting the count for a specific string
mset[["Str 3"]] # "Str 3" instance count (97)

Question 4

与@biocyperman解决方案有关。R.cache具有包装功能，可避免加载，保存和评估缓存。请参阅修改后的函数：

R.cache提供了用于包装，评估，保存的包装器。您可以像这样简化代码：

simulate <- function(mean, sd) {
key <- list(mean, sd)
data <- evalWithMemoization(key = key, expr = {
    cat("Generating data from scratch...")
    data <- rnorm(1000, mean=mean, sd=sd)
    Sys.sleep(1) # Emulate slow algorithm
    cat("ok\n")
    data})
}