解决fuzzyjoin报错：vector memory exhausted（向量内存耗尽）

• 匹配计算量远超直观预期：哪怕两张表行数不算多，stringdist_left_join默认会计算左表每行与右表所有行的字符串距离。比如左表1000行、右表1000行，就要执行100万次距离计算，每次计算的中间结果都会占用内存，累积下来很容易触发内存限制。
• 待匹配字符串过长：如果用于匹配的字段是长文本（比如完整段落、详细描述），单条字符串距离计算的内存开销会显著增加，哪怕行数不多，也可能快速耗尽内存。
• R的内存限制约束：R默认的内存上限（尤其是32位版本）本身不高，即便你觉得数据集规模不大，这类密集计算也容易触碰到系统或R设置的内存阈值。
• 未设置匹配过滤条件：如果没通过max_dist参数限制最大匹配距离，或者缺少其他过滤规则，函数会保留所有可能的匹配结果，导致中间生成的临时表行数暴增，占用大量内存。

小建议 #

可以先通过max_dist设置合理的匹配阈值，或者选择内存开销更低的距离算法（比如method = "jw"），也可以先抽取部分数据做测试，验证计算量是否在内存承受范围内。

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