使用ggplot2 / Rstudio进行慢速图形渲染-GPU问题？

我正在使用ggplot2从包含大约500k行的表中制作图形。

在我的ubuntu 20.04笔记本电脑（CPU i5 8265U）上，大约需要15秒，并且可以在Rstudio的绘图选项卡中正确显示。现在我刚获得一台PC并获得了10胜，更好的CPU（i5 10400F）和GPU（GTX 1660 Super）。相同的图需要永远建立。如果我等待的足够多，我的代码将在10分钟内运行，但仍不会显示在“绘图”选项卡中。

对我来说不幸的是，我无法共享数据，因此无法进行代表，该图的代码为：

> t1 <- Sys.time()
> gr_dbh_h <- tree16_temp %>%
+   filter(lu_en_simple2 %in% c("Evergreen Forest", "Deciduous Forest")) %>%
+   select(dbh, h, live_dead, lu_en_simple2_f) %>%
+   ggplot() +
+   geom_point(aes(x = dbh, y = h, color = live_dead), alpha = 0.5, shape = 3) +
+   labs(color = "", x = "Diameter at breast height (cm)", y = "Tree total height (m)") +
+   facet_wrap(~lu_en_simple2_f)
> t2 <- Sys.time()
> t2 - t1
Time difference of 0.1159708 secs
> gr_dbh_h
> t3 <- Sys.time()
> t3 - t2
Time difference of 9.901076 mins

再次不幸的是，最接近的reprex并没有这个问题，在ubuntu笔记本电脑上的渲染速度比win10 PC快2倍（而不是我的主代码60倍）：

library(tidyverse)

tt  <- tibble(
  x = rnorm(500000),
  y = rnorm(500000),
  cat = rep(c("aa", "bb", "cc", "dd", "ee"), 100000),
  group = c(rep("A", 200000), rep("B", 300000))
)  
t1 <- Sys.time()
ggplot(tt) +
  geom_point(aes(x, y, color = group), alpha = 0.5) +
  facet_wrap(~cat)
t2 <- Sys.time()
t2 - t1

在Ubuntu上：

> t2 - t1
Time difference of 10.26094 secs

在win10上：

> t2 - t1
Time difference of 23.292 secs

因此，主要问题是，一个系统如何在10秒内绘制图形，而另一个系统又在10分钟以上？即使使用基本图形优先系统，速度也快2倍？

仅仅是Ubuntu vs Windows？GPU可以使渲染混乱吗？

Rstudio和R是相同的版本，在撰写本文时，所有软件包都为最新。

> sessionInfo()
R version 4.0.2 (2020-06-22)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 18363)

Matrix products: default

locale:
[1] LC_COLLATE=English_Europe.1252  LC_CTYPE=English_Europe.1252    LC_MONETARY=English_Europe.1252
[4] LC_NUMERIC=C                    LC_TIME=English_Europe.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] ggthemr_1.1.0   devtools_2.3.1  usethis_1.6.1   webshot_0.5.2   tmap_3.1        bookdown_0.20   knitr_1.29     
 [8] sf_0.9-5        BIOMASS_2.1.3   scales_1.1.1    ggrepel_0.8.2   ggpubr_0.4.0    lubridate_1.7.9 forcats_0.5.0  
[15] stringr_1.4.0   dplyr_1.0.2     purrr_0.3.4     readr_1.3.1     tidyr_1.1.2     tibble_3.0.3    ggplot2_3.3.2  
[22] tidyverse_1.3.0