如何在R语言中高效读写1万行标准输入输出？优化代码性能

现有R程序功能为从标准输入读取32位整数对，计算两数绝对差后输出至标准输出，但在处理数千行数据时存在性能瓶颈，以下是基于原生函数的优化方案：

原始代码 #

input <- file('stdin', 'r')
output <- stdout()

while (length(line <- readLines(input, n=1)) > 0) {
    parts2 = strsplit(line, " ")[[1]]
    a = as.numeric(parts2[[1]])
    b = as.numeric(parts2[[2]])
    if (b > a)
        writeLines(paste0(b - a), output)
    else
        writeLines(paste0(a - b), output)
}

性能瓶颈分析 #

原始代码的核心问题在于逐行循环处理+频繁IO操作：

• 每次仅读取1行输入，反复调用readLines带来大量IO开销
• R的循环本身执行效率低，逐行拆分、转换、写入的单步操作累加后耗时显著
• 频繁调用writeLines输出单行结果，进一步增加IO成本

优化方案 #

方案1：批量IO+向量化处理 #

利用R的向量/矩阵操作特性，一次性完成读取、计算、输出，避免循环：

# 一次性读取所有输入行，减少IO交互
input_lines <- readLines(file("stdin", "r"))

# 批量拆分所有行的整数对，转换为数值矩阵
nums <- matrix(as.numeric(unlist(strsplit(input_lines, "\\s+"))), ncol = 2, byrow = TRUE)

# 向量化计算绝对差（替代分支判断，更高效）
diffs <- abs(nums[,1] - nums[,2])

# 批量写入结果，减少输出IO次数
writeLines(as.character(diffs), stdout())

方案2：用scan直接解析数值（极致优化） #

scan是R中读取数值类数据的高效原生函数，可直接跳过字符串拆分步骤，从输入流中解析数值：

# 直接读取所有数值，自动处理空格/换行分隔，quiet=TRUE关闭日志输出
nums <- scan(file("stdin", "r"), what = numeric(), quiet = TRUE)

# 按每2个元素一组转为矩阵
nums_matrix <- matrix(nums, ncol = 2, byrow = TRUE)

# 计算绝对差并批量输出
writeLines(as.character(abs(nums_matrix[,1] - nums_matrix[,2])), stdout())

优化说明 #

• 批量IO：一次性读取所有输入、批量写入结果，将多次IO操作合并为1-2次，大幅降低IO开销
• 向量化操作：R的向量/矩阵操作底层由C实现，比R级循环快数倍甚至数十倍
• 避免冗余操作：用abs()替代分支判断，用scan直接解析数值，减少中间转换步骤的耗时
• 类型兼容：numeric类型（双精度浮点数）可精确表示32位整数，符合题目要求

内容的提问来源于stack exchange，提问作者Murilo Perrone