我已经在 R 中完成了非常大的数据集的工作，并且没有遇到问题。

有几种可行的方法，但我的基本范式是我找到“按顺序”处理数据的方法。如果您在同一台机器上使用 SAS，显然 SAS 具有相同的基本内存限制，使用 R 只是更多的 DIY。

在我遇到的每种情况下，我要么对某种数据摘要进行分析，要么对数据块进行分析，然后总结结果。无论哪种方式，这在 R 中都很容易实现。

如果您的数据以某种方式（实际上以任何方式）结构化，那么创建摘要非常容易。Hadoop 是用于创建摘要的领先工具，但对 R 数据文件进行批处理很容易，如果您的数据适合您的本地存储设备，那么以这种方式进行批处理也更快（就处理时间和开发时间）。

使用相同的思维过程也很容易按块分批分析。

如果你真的很想直接在一个巨大的数据集上做一个线性模型，那么我认为 bigmemory 是你的答案，正如 Stéphane Laurent 所建议的那样。

我真的不认为“你如何处理内存限制”或“迁移到新平台”有一个“答案”，但这是我啰嗦的两分钱。

我没有亲身体验革命性的分析部分，但有一个关于此的博客

http://www.r-bloggers.com/allstate-compares-sas-hadoop-and-r-for-big-data-insurance-models/

它使用hadoop（分布式计算）来解决这个内存问题。