r - 如何使用saveRDS(...，refhook =)参数？

Question

我有一个复杂的列表对象，即建模函数(asreml)的输出。该对象包含附加了环境的各种数据类型，包括函数和公式。我不想将环境保存到RDS，因为它们很大，并且我保存了很多模型。

我在refhook=和serialize函数中遇到了参数saveRDS。该文档说:

The refhook functions can be used to customize handling of non-system reference objects (all external pointers and weak references, and all environments other than namespace and package environments and .GlobalEnv). The hook function for serialize should return a character vector for references it wants to handle; otherwise it should return NULL.

给定这个示例模型

e <- new.env()
e$a = rnorm(10)
l <- list(a = e, b = 42)

refhook函数确实显示了一些效果。当我定义一个返回字符的函数时，输出将变小，表明未保存环境:

length(serialize(l, connection = NULL))
[1] 338

s <- serialize(l, 
  connection = NULL, 
  refhook = function(x) "")
length(s)
[1] 109

但是，我无法读取结果对象:

unserialize(s)

Error in unserialize(s) : 
  no restore method available

我还尝试了原始向量输出，怀疑可能希望refhook提供替代的序列化输出，但这不起作用:

s2 <- serialize(l,
  connection = NULL, 
  refhook = function(x) 
    serialize("env", connection = NULL)))

Error in serialize(l, con = NULL, refhook = function(x) serialize("env",  : 
  assertion 'TYPEOF(t) == STRSXP && LENGTH(t) > 0' failed: file 'serialize.c', line 982

如何使用 refhook=？此功能预期输出什么字符？

Answer 1

啊，我自己发现的。错误“没有可用的还原方法”意味着您忘记为unserialize函数添加refhook。两者都需要refhook的serialize和unserialize。
serialize的refhook在返回的字符串中是完全免费的。唯一需要了解结果的人是unserialize的refhook。

示例:序列化和还原包含集中存储的环境的列表

生成环境存储库。让我们假装这些来自
外部源及其内容无需序列化。恢复
他们，外部数据源只需要重新读取。

repo <- list()
for(i in 1:10){
  repo[[i]] <- new.env()
  repo[[i]]$a <- rnorm(1e6)
}

一种环境是8 MB大。我们不想在序列化输出中拥有所有这些数据，因为它已经永久保存在 repo中。

object.size(repo[[1]]$a)

这是我们要序列化的列表。它包含第二个环境
从存储库中。我们只想存储数值 b。为了
环境，我们只想存储环境2中的
资料库。我们不想序列化内容，因为存储库
已经有他们了。

l <- list(a = repo[[2]], b = 42)

这是序列化的引用。它在索引中查找环境
并存储索引。

ser <- function(e){
  for(i in seq_along(repo)){
    if(identical(e, repo[[i]])){
      message("Identified environment #",i)
      return(as.character(i)) # Just save the 
    }
  }
  message("Environment not found in the repository")
  return(NULL)
}

反序列化的相应refhook获取索引并加载
来自 repo的相应环境:

unser <- function(s){
  i <- as.numeric(s)
  return(repo[[i]])
}

这样可以节省序列化输出中的大量空间

没有自定义refhook:还包含环境

object.size(serialize(l, con = NULL))
## 8000040 bytes

与自定义refhook:仅保存l$b和环境索引

s <- serialize(l, con = NULL, refhook = ser)
object.size(s)
## 168 bytes

反序列化时从数据库加载环境

u <- unserialize(s, refhook = unser)
## $a
## <environment: 0x000000001c91a118>
## 
## $b
## [1] 42