展开两个大数据文件并使用data.table应用？

我正在尝试将函数应用于两个数据集df1 and df2 where df1包含(a, b)并且可以有 100 万行长，并且df2包含(x, y, z)并且可以非常大，从 ~100 到 >10,000。我想应用一个函数foo对两个数据集的每个组合进行求和，然后对第二个数据集求和。

foo <- function(a, b, x, y, z) a + b + x + y + z
df1 <- data.frame(a = 1:10, b = 11:20)
df2 <- data.frame(x= 1:5, y = 21:25, z = 31:35)

我用来应用此函数的代码（取自@jlhoward此处如何避免 R 中多个变量的多重循环 https://stackoverflow.com/questions/27572050/how-to-avoid-multiple-loops-with-multiple-variables-in-r)

foo.new <- function(p1, p2) {
  p1 = as.list(p1); p2 = as.list(p2)
  foo(p1$a, p1$b, p2$x, p2$y, p2$z)
}

indx   <- expand.grid(indx2 = seq(nrow(df2)), indx1 = seq(nrow(df1)))
result <- with(indx, foo.new(df1[indx1, ], df2[indx2, ]))
sums   <- aggregate(result, by = list(rep(seq(nrow(df1)), each = nrow(df2))), sum)

然而，作为df2变大（>1000）我很快就耗尽了内存来执行result上面的功能（运行 32GB RAM 的 64 位 PC）。

我读过关于data.table相当多，但无法评估其中是否有有助于节省内存的功能。可以替代的东西with并在以下位置创建一个较小的文件result步骤，或expand.grid at the index步骤，创建迄今为止最大的文件。

这是一个 data.table 解决方案：应该相当快：

library(data.table)
indx<-CJ(indx1=seq(nrow(df2)),indx2=seq(nrow(df1))) #CJ is data.table function for expand.grid
 indx[,`:=`(result=foo.new(df1[indx1, ], df2[indx2, ]),Group.1=rep(seq(nrow(df1)), each = nrow(df2)))][,.(sums=sum(result)),by=Group.1]

    Group.1 sums
 1:       1  355
 2:       2  365
 3:       3  375
 4:       4  385
 5:       5  395
 6:       6  405
 7:       7  415
 8:       8  425
 9:       9  435
10:      10  445