
實(shí)現(xiàn)R與Hadoop聯(lián)合作業(yè)的三種方法
為了滿足用R語言處理pb量級(jí)數(shù)據(jù)的需求,我們需要把它和Hadoop聯(lián)合起來使用。本文的目的就是闡述實(shí)現(xiàn)二者聯(lián)合作業(yè)的不同技術(shù)。
方法一:利用Streaming APIs
Hadoop支持一些 Streaming API來將R語言中的函數(shù)傳入,并在MapReduce模式下運(yùn)行這些函數(shù)。這些Streaming API可以將任意能在map-reduce模式下訪問和操作標(biāo)準(zhǔn)I/O接口的R腳本傳入Hadoop中。因此,你不需要額外開啟一些客戶端之類的東西。如下是一個(gè)例子:
方法二:使用Rhipe包
Rhipe包允許用戶在R中使用MapReduce。在使用這一方法前,要做相應(yīng)的前期準(zhǔn)備工作。R需要被安裝在Hadoop集群中的每一個(gè)數(shù)據(jù)節(jié)點(diǎn)上,此外每個(gè)節(jié)點(diǎn)還要安裝Protocol Buffers(更多資料請(qǐng)參考 http://wiki.apache.org/hadoop/ProtocolBuffers),Rhipe也需要在每個(gè)節(jié)點(diǎn)上都可以被使用。
下面是在R中利用Rhipe應(yīng)用MapReduce框架的范例:
方法三:使用RHadoop
RHadoop是Recolution Analytics下的一個(gè)開源庫,與Rhipe類似,它的功能也是在MapReduce模式下執(zhí)行R函數(shù)。后續(xù)列舉的都是該庫中的一些包。plyrmr包可以在Hadoop中對(duì)大數(shù)據(jù)集進(jìn)行一些常用的數(shù)據(jù)整理操作。rmr包提供了一些讓R和Hadoop聯(lián)合作業(yè)的函數(shù)。rdfs包提供了一些函數(shù)來連接R和分布式文件系統(tǒng)(HDFS)。rhbase包中的函數(shù)則能連接R和HBase。
下面這個(gè)例子中,我們會(huì)演示如何使用rmr包中的一些函數(shù)來讓R與Hadoop聯(lián)合作業(yè)。
方法總結(jié)
總的說來,上述三種方法都能很容易地實(shí)現(xiàn)R與Hadoop的聯(lián)合作業(yè),這樣一來R就擁有了在分布式文件系統(tǒng)(HDFS)上處理大數(shù)據(jù)的能力。但同時(shí),這三種方法也各有利弊。
關(guān)鍵結(jié)論:
1、使用Streaming APIs最為簡單,它的安裝和設(shè)置都很方便。Rhipe和RHadoop都需要對(duì)R進(jìn)行一些設(shè)置,并且也需要Hadoop集群上一些包的支持。但在執(zhí)行函數(shù)方面,Streaming APIs 需要將函數(shù)依次map和reduce,而Rhipe和RHadoop允許開發(fā)者在R函數(shù)中定義并調(diào)用MapReduce函數(shù)。
2、與Rhipe和RHadoop不同,使用Streamings APIs也不需要客戶端。
3、除此之外,我們也可以使用Apache Mahout,Apache Hive,Segue框架與其他來自Revolution Analytics的商業(yè)版R來實(shí)現(xiàn)大規(guī)模機(jī)器學(xué)習(xí)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10