R语言各数据类型内存占用查询 最小存储类型及整数与字符存储对比

各类内置数据类型的内存开销基线 #

基于64位操作系统环境下的通用实测结果，R中基础数据类型不存在“裸存”机制，每个R对象都会附带固定的SEXP元数据头部开销，各类型的存储开销为：

• raw（原始型）：单元素场景下总开销为48字节，向量长度为N时，每新增1个元素额外占用1字节，是长向量场景下内存效率最高的基础类型
• integer（整型）：单元素场景下总开销为48字节，向量长度为N时，每新增1个元素额外占用4字节
• logical（逻辑型）：单元素场景下总开销为48字节，向量长度为N时，每新增1个元素额外占用4字节
• numeric（双精度数值型）：单元素场景下总开销为56字节，向量长度为N时，每新增1个元素额外占用8字节
• complex（复数型）：单元素场景下总开销为64字节，向量长度为N时，每新增1个元素额外占用16字节
• character（字符型）：单元素场景下总开销为112字节，向量长度为N时，每新增1个元素额外占用8字节，字符串内容本身的长度会按每字节1单位追加开销

以上统计采用pryr::object_size()方法，相比基础包的object.size()会准确计算共享引用的实际内存占用，无统计偏差。

单元素存储场景：整数 vs 字符的实际占用差异 #

可直接运行以下代码复现实测结果：

library(pryr)
# 显式声明单元素整数（R中不带L的默认1为双精度类型，不属于整型）
single_integer <- 1L
# 显式声明单字符
single_char <- "a"

# 输出实际内存占用
object_size(single_integer)
# 48 B
object_size(single_char)
# 112 B

两者的开销差异非常明确：

存储单个整数1L的总内存开销为48字节，存储单个字符"a"的总内存开销为112字节，字符存储的单元素开销是整数的2.3倍。
这种差异的核心原因来自R的字符实现机制：R中的字符值并非直接存储字符本身，而是一个指向全局字符串池的指针，加上字符串对象本身的元数据头部，整体开销远大于直接二进制存储的整数类型。

面向最低内存目标的选型指南 #

• 同业务逻辑下优先选择内存效率更高的类型，长向量场景下的内存效率排序为：raw > integer > logical > numeric > complex > character，能不用字符型就不用，从根源压缩存储规模
• 大规模存储时可优先将重复取值的字符型列转换为factor（因子型），转换后底层存储为整数索引，单元素开销从112字节降到4字节级别，是宽表压缩的通用手段
• 避坑提示：日常写代码时不带L后缀的数值默认是双精度类型，单元素就占56字节，比显式声明的整型多8字节开销，全列都是整数取值的数据集，批量转成integer类型可直接砍掉近一半的数值列内存
• 不存在“标量比向量省内存”的优化效果：R中长度为1的标量和同类型长度为1的向量内存开销差不到1字节，无需为了省内存刻意拆分存储颗粒度

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