在R语言中保存单个大型对象，saveRDS与save哪个速度更快？

首先直接说结论：针对你单个大型数组的场景，save()和saveRDS()的底层序列化机制其实非常相似，两者的速度差异通常很小——甚至有时候save()因为要处理多对象的元数据，反而会略慢一点。不过最好的方式是自己跑个简单测试验证，比如用类似你数据结构的模拟数据对比耗时：

# 构造和你类似的测试数据：500个1000×20的矩阵组成的列表
big_data <- replicate(500, matrix(rnorm(1000*20), nrow=1000), simplify = FALSE)

# 测试saveRDS耗时
system.time(saveRDS(big_data, "test_rds.rds"))

# 测试save耗时（只存这一个对象）
system.time(save(big_data, file = "test_rda.rda"))

接下来重点说能显著提升保存速度的配置选项，这才是解决你问题的关键：

1. 调整压缩参数（最立竿见影） #

不管是save()还是saveRDS()，默认的compress = TRUE会使用gzip压缩，压缩过程会消耗大量CPU时间。如果能接受更大的文件体积，直接设置compress = FALSE，保存速度会快好几倍：

# 无压缩的saveRDS，速度最快
system.time(saveRDS(big_data, "test_rds_uncompressed.rds", compress = FALSE))

# 无压缩的save同理
system.time(save(big_data, file = "test_rda_uncompressed.rda", compress = FALSE))

如果需要一定压缩比但不想牺牲太多速度，"bzip2"和"xz"的压缩比更高但速度更慢，所以追求速度的话，无压缩是最优解。

2. 使用最新的序列化版本 #

从R 3.5.0开始，支持version = 3的序列化格式，它对复杂对象的序列化效率更高，能减少序列化时间和文件体积。如果你不需要兼容老版本R，一定要加上这个参数：

saveRDS(big_data, "test_rds_v3.rds", version = 3, compress = FALSE)
save(big_data, file = "test_rda_v3.rda", version = 3, compress = FALSE)

3. 额外的优化思路 #

除了参数调整，还有几个方法能进一步提速：

• 重构对象结构：你现在的结构是500个矩阵的列表，可以把它们合并成一个三维数组（比如dim = c(1000, 20, 500)），连续的内存块序列化起来更快：

  big_3d_array <- array(unlist(big_data), dim = c(1000, 20, 500))
  system.time(saveRDS(big_3d_array, "test_3d_array.rds"))
  

• 优化存储介质：如果用的是机械硬盘，换成SSD会大幅降低IO耗时；避免在网络共享盘上保存，本地磁盘的IO速度快很多。
• 尝试第三方序列化库：比如qs包，它的序列化速度比base R的函数快很多，同时文件体积也更小，适合大型对象：

  install.packages("qs")
  library(qs)
  system.time(qsave(big_data, "test_qs.qs"))
  

  唯一的缺点是需要依赖第三方包，但如果是自己使用的话，这个性价比非常高。

总的来说，save()和saveRDS()在单个对象场景下速度差异不大，核心优化点是关闭压缩+使用最新序列化版本，再配合对象结构或存储介质的调整，应该能大幅降低你的保存耗时。

内容的提问来源于stack exchange，提问作者user321627