RStudio与本地R Shiny会话数据过滤性能差异问题求助

• 转换为data.table并建立索引：将全局数据集转换为data.table格式，针对筛选用到的TIME、SUBCI、METRIC_NAME列建立索引，data.table的筛选引擎在大数据集上比默认dplyr更高效，索引能大幅缩小筛选范围：

  # 全局数据加载时转换为data.table并设键
  global$data <- as.data.table(global$data)
  setkey(global$data, TIME, SUBCI, METRIC_NAME)
  
  # 筛选时使用data.table语法
  dataToPlot <- global$data[TIME > t1 & TIME < t2 & SUBCI == input$selectSubci & METRIC_NAME %in% input$selectMetricNames]
  

• 确保输入与数据列类型匹配：检查input$selectSubci、input$selectMetricNames的类型是否和数据中对应列完全一致（比如因子vs字符），隐式类型转换会显著拖慢筛选速度，必要时在输入控件或数据加载阶段统一类型。

• 调整筛选条件优先级：把最具排他性的筛选条件放在前面，比如如果SUBCI的可选值较少，先筛选SUBCI再处理时间和指标，减少后续需要处理的行数：

  # 分步筛选缩小范围
  temp <- global$data[SUBCI == input$selectSubci]
  temp <- temp[METRIC_NAME %in% input$selectMetricNames]
  dataToPlot <- temp[TIME > t1 & TIME < t2]
  

• 避免冗余反应式计算：确认t1、t2等变量是否来自无必要的重复计算，若它们是反应式对象，确保其依赖仅在必要时更新，避免触发筛选逻辑重复执行。

• 用dplyr的优化后端：如果坚持使用dplyr语法，可启用dtplyr将代码转换为data.table执行，兼顾语法习惯和性能：

  library(dtplyr)
  dataToPlot <- lazy_dt(global$data) %>%
    filter(TIME > t1 & TIME < t2 & SUBCI == input$selectSubci & METRIC_NAME %in% input$selectMetricNames) %>%
    as.data.table()
  

内容的提问来源于stack exchange，提问作者Nikolai