如何在R Shiny应用内存耗尽前终止进程避免崩溃？

针对内存不足导致应用崩溃的问题，以下是几个可行的解决思路：

1. 内存预检查，提前拦截 #

在启动模型训练前先评估系统剩余内存，当内存不足时直接返回提示，避免触发OOM Killer：

• 编写函数获取系统剩余内存（不同系统写法不同）：

  # Linux/macOS 获取剩余可用内存（MB）
  get_free_memory <- function() {
    mem_info <- system("free -m", intern = TRUE)
    free_line <- strsplit(mem_info[2], "\\s+")[[1]]
    as.integer(free_line[4])
  }
  
  # Windows 获取剩余内存（MB）
  # get_free_memory <- function() {
  #   mem_info <- memory.limit() - memory.size(max = TRUE)
  #   round(mem_info / 1024)
  # }
  

• 在Shiny的反应逻辑中加入检查：

  observeEvent(input$run_model, {
    free_mem <- get_free_memory()
    # 设定阈值，比如低于1GB时阻止运行
    if (free_mem < 1024) {
      showModal(modalDialog(
        title = "无法运行模型",
        "当前系统可用内存不足，请尝试上传更小的数据集或减少随机森林的树数量。",
        easyClose = TRUE
      ))
      return()
    }
    # 后续模型训练逻辑
  })
  

2. 优化ranger参数降低内存占用 #

调整ranger的核心参数，在不严重影响模型效果的前提下减少内存消耗：

• 减少num.trees：默认500，可根据需求调低至100-200；
• 使用sample.fraction：对训练样本抽样，比如设置为0.8，仅用80%的数据训练；
• 关闭write.forest = FALSE：如果不需要后续加载或操作森林结构，关闭该参数避免存储完整森林；
  示例代码：

ranger_model <- ranger(
  formula = target ~ .,
  data = uploaded_data,
  num.trees = 200,
  sample.fraction = 0.8,
  write.forest = FALSE
)

3. 给后台进程加内存限制 #

使用processx（callr依赖的底层包）给后台任务设置内存上限，当进程超出限制时会被系统终止，此时在Shiny中捕获状态并返回提示：

library(processx)

observeEvent(input$run_model, {
  # 将数据写入临时文件，避免进程间大对象传递
  saveRDS(uploaded_data, file = "temp_model_data.rds")
  
  # 启动带内存限制的后台进程
  model_proc <- process$new(
    command = R.home("bin/Rscript"),
    args = c("-e", "
      library(ranger);
      data <- readRDS('temp_model_data.rds');
      model <- ranger(target ~ ., data = data, num.trees=200);
      saveRDS(model, 'temp_model_result.rds')
    "),
    # 限制内存为4GB（单位：字节）
    rlimit_as = 4 * 1024^3,
    stdout = "|",
    stderr = "|"
  )
  
  # 轮询进程状态
  observe({
    invalidateLater(1000)
    if (model_proc$is_alive()) return()
    
    if (model_proc$get_exit_status() != 0) {
      showModal(modalDialog(
        title = "无法运行模型",
        "模型训练时内存超出限制，请尝试优化参数或减小数据集。",
        easyClose = TRUE
      ))
    } else {
      # 读取并处理模型结果
      trained_model <- readRDS("temp_model_result.rds")
      # 后续结果展示逻辑
    }
    # 清理临时文件
    file.remove("temp_model_data.rds", "temp_model_result.rds")
  })
})

4. 前端限制上传文件大小 #

从源头控制数据规模，在文件上传控件中设置大小限制：

fileInput("data_upload", "上传表格文件",
          accept = c(".csv", ".xlsx", ".rds"),
          max.size = 50 * 1024^2) # 限制为50MB

内容的提问来源于stack exchange，提问作者Karim Claudio