Hey there 栅格R folks!
我喜欢用R编码–我大部分时间都在花时间使用{raster}软件包处理栅格数据，因为’与其他脚本语言相比，它非常直观且易于使用。但是有时候，当我处理较大的数据集或必须处理大量文件时，漫长而漫长的处理时间使我想知道R是否始终是最佳选择…当然是这样！您只需要知道如何通过以下两种方法来提高R的性能 编写更有效的代码 要么 簇 和 并行化 您的R函数。由于这对于许多R初学者和一些高级编码人员来说似乎是一个很大的摇篮，所以我决定编写一个有关此主题的教程：它由三部分组成，其中我将描述如何加快光栅包的处理时间。 。

今天，我们将对该主题进行简短介绍，并且我将向您展示如何通过在R会话中设置一些本地rasterOptions（）来加快处理时间，这将为您带来良好的初始速度提升。

栅格Options()

{raster}包中的rasterOptions（）函数使您可以自定义R会话。如果您输入 栅格Options() 没有参数，您可以看到当前（默认）设置：

> 栅格Options()
format        : 栅格
datatype      : FLT8S
overwrite     : FALSE
progress      : none
timer         : FALSE
chunksize     : 1e+07
maxmemory     : 1e+08
tmpdir        : /var/folders/lk/hg070f5n4md9hrchf__th6080000gn/T//RtmpQrCgZD/raster//
tmptime       : 168
setfileext    : TRUE
tolerance     : 0.1
standardnames : TRUE
warn depracat.: TRUE
header        : none

有两个参数对{raster}软件包的性能有很大影响： 块大小 和 最大内存.

• 块大小： 整数。在处理（逐块）基于磁盘的Raster *对象时，单个块中可读取/写入的最大单元数
• 最大内存： 整数。要读入内存的最大单元数。

最大内存的默认值为1e + 08。让我们看看增加最大内存限制时，简单栅格计算的处理时间是否以及如何变化。要增加限制，您可以简单地编写：

栅格Options(maxmemory = 1e+09)

基准测试

为了测试对最大内存设置的处理时间的影响，我将Landsat 8子集加载到R中并进行了简单的计算：十次，最大内存限制为1e + 08，十次，限制为1e + 09：

Here is an summary on the 栅格 image that was used for the benchmark:

class       : RasterStack
dimensions  : 3485, 4606, 16051910, 5  (nrow, ncol, ncell, nlayers)
resolution  : 30, 30  (x, y)

And here the code for the simple (nonsene) 栅格 calulation to evaluate the time:

start <- Sys.time()
ras_calc <- ras ^ 2 + ras
end <- Sys.time()
difftime(end,start)

结果：

从1e + 08到1e + 09的最大内存限制增加所节省的时间非常可观。执行简单计算任务平均需要61秒的下限内存（1e + 08）。较高的限制（1e + 09）的性能要好得多，只需要大约35秒即可执行相同的任务。您可以在下面的方框图中看到最终结果：

我希望这对某些人有用。本教程的第二部分 “使用R提高{raster}处理的速度” 将介绍如何使用{foreach}和{doParallel}包并行化R代码。
再见！

马丁