使用saveRDS保存R模型后加载报错：无法分配8.0GB向量（64G内存）

问题根源 #

你有64GB内存但仍报错，核心原因有两个：一是R分配内存需要连续的物理内存块，8GB的连续空间可能被系统或其他进程占用；二是模型在内存中的实际占用往往比RDS文件大——保存时的压缩、对象内部的引用结构在加载时会展开，导致内存需求飙升。

可行解决方案 #

1. 腾挪足够的连续内存 #

• 关闭所有无关进程（浏览器、视频软件、其他开发工具等），释放系统内存。
• 启动R时设置内存上限：Windows下用R --max-mem-size=50G启动，或在R里执行memory.limit(size = 50000)；Linux/macOS默认无硬限制，可通过ulimit -v 52428800（对应50GB）调整系统内存限制。
• 加载前强制垃圾回收：执行gc()，同时清空环境冗余对象rm(list = ls())。

2. 优化模型的保存与加载方式 #

• 用高压缩级别保存：saveRDS(model, "model.rds", compress = "xz")，xz压缩比默认gzip更高，能大幅减小文件体积，加载时的内存占用也会降低（代价是加载速度略慢）。
• 换用更高效的序列化工具：qs包的序列化效率远高于原生saveRDS，内存占用更低、速度更快。保存用qs::qsave(model, "model.qs")，加载用qs::qread("model.qs")。

3. 拆分模型分块加载 #

如果模型可拆分为独立组件（比如分类模型的权重、训练日志等），分别保存后再组合：

# 保存时拆分
saveRDS(model$weights, "model_weights.rds")
saveRDS(model$metadata, "model_metadata.rds")

# 加载时组合
model <- list()
model$weights <- readRDS("model_weights.rds")
model$metadata <- readRDS("model_metadata.rds")

这样每次只加载一部分，避免一次性占用大量连续内存。

4. 用内存映射工具处理超大型对象 #

如果模型实在太大，考虑用bigmemory或ff包，将模型的部分数据存储在磁盘上，按需加载到内存，而非一次性全部加载。

内容的提问来源于stack exchange，提问作者yxfang