我最近偶然发现了两种可能的 rasterOptions ，它们可以提高 R 中光栅操作的性能: chunksize 和 maxmemory 。
然而，我很困惑有什么区别。帮助页面指出:
在处理(逐块)基于磁盘的 Raster* 对象时，在单个块中读取/写入的最大单元数。
在我的理解中，它们都是相同的，至少我无法通过定义弄清楚区别是什么以及它们如何相互影响。 IE。低块大小与高 maxmemory 值相结合？
最佳答案
这些选项是光栅包中的辅助程序，通常不需要调用，除非您正在编写用户定义的光栅写入函数。
如果您的栅格无法读入 R，即在 canProcessInMemory 返回 FALSE 的情况下，您需要逐块读取栅格。如果你这样做，你提供了块的大小，由一个完整行的整数值决定，这些行将一次(或并行)读取一个。
您应该在单个块中读取多少行？ blockSize() 可帮助您确定这一点。
r <- raster(system.file("external/test.grd", package="raster"))
blockSize(r)
结合
writeValues() ，您可以手动将栅格对象的值逐块写入速度更快的 RasterBrick 类对象或更灵活的 RasterLayer 类对象中。默认值最多读取 1e8 个像元，这会导致内存分配不同，具体取决于栅格像元的位数。如果您有大量的内存，您可以通过增加最大内存量来获得不错的性能提升，并增加拥有更多内存的返回。
增加块大小并不是很有值(value)，因为性能下降会导致更多的块大小。通过增加块大小，您将获得一些性能提升，但这并不重要。
虽然增加块大小有边际 yield ，但同时增加最大内存大小可能是一个坏主意，因为您通过在单个计算中执行此操作来强制整个栅格进入内存，这可能会触发
canProcessInMemory 失败，这将停止光栅的处理，关闭连接，并吐出一些临时文件。一个好的经验法则是减少块的大小以避免任何问题(最多一个限制——也许是 1e5，你可能永远不会遇到任何问题)并牺牲一点性能，但要增加最大尽可能多的内存(1e9 左右，取决于您的装备有多少 RAM)。
最后，还有一个关于为太大而无法放入内存的光栅对象编写自定义函数的 nice vignette。
关于rasterOptions : Difference between chunksize and maxmemory，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/38368939/