
R+SQLServer的大數(shù)據(jù)管理
在學習和使用R語言的過程中,在數(shù)據(jù)文件的選擇方面,由于csv文件在各大數(shù)據(jù)庫軟件以及統(tǒng)計分析軟件都有很好的兼容性,所以一直被廣泛地用作數(shù)據(jù)儲存?zhèn)鬏?。筆者最近手頭上有一個10多G的csv,大概有2千5百萬條的記錄,這真的讓我以及我的R語言感到亞歷山大。Excel不用說更是打不開了(Excel 2003及以前的版本最大僅支持65,536行),SAS軟件花費一些時間勉強能打開,但是對某些中文的格式不兼容(特別是某些變量包含逗號的時候)。該怎么辦呢?這是大數(shù)據(jù)的問題嗎?怎么那么不小心就被我碰上了?
今天我們就談談“大數(shù)據(jù)”這個老話題。自2012年以來,大數(shù)據(jù)(Big Data)已經(jīng)上過《紐約時報》《華爾街日報》的專欄封面,進入美國白宮官網(wǎng)的新聞,在國內更是被炒得熱火朝天,互聯(lián)網(wǎng)、工商業(yè)、高校等都紛紛進行探索討論。大數(shù)據(jù)戰(zhàn)略甚至成為了我們國家“十三五”十四大戰(zhàn)略之一。
雖然“大數(shù)據(jù)”的概念很寬泛,是對規(guī)模龐大的數(shù)據(jù)對象,及其處理和應用活動的統(tǒng)一,但我們今天就淺談一下它的“大”。大數(shù)據(jù)的“大”,一般是指在10TB規(guī)模左右大型數(shù)據(jù)集,但在實際應用中,很多用戶把多個數(shù)據(jù)集放在一起,已經(jīng)形成了PB級的數(shù)據(jù)量;例如,百度的首頁導航每天需要提供的數(shù)據(jù)超過1.5PB,這些數(shù)據(jù)如果打印出來將超過5千億張A4紙。也曾經(jīng)有報道,截至20世紀末,人類生產(chǎn)的所有印刷材料的數(shù)據(jù)量僅為200PB。好像有點扯遠了~
處理這些TB、PB級的數(shù)據(jù),我們不妨試試強大的SQL Server。它是是微軟公司推出的一個具有使用方便、可伸縮性好、與相關軟件集成程度高等優(yōu)點的全面的關系型數(shù)據(jù)庫管理平臺,可以滿足數(shù)據(jù)爆炸時代和數(shù)據(jù)驅動應用程序的需求。
令人興奮的是,微軟在2016年6月正式發(fā)布的SQL Server 2016將支持R語言編程(包括大數(shù)據(jù)的算法)。據(jù)了解,這次更新是微軟對Revolution Analytics公司收購的結果,該公司此前的產(chǎn)品Revolution R就是一款強大的大數(shù)據(jù)分析工具。所以說SQL Server 2016代表了微軟向大數(shù)據(jù)及機器學習領域邁出的第一步。
感興趣的朋友可以下載試用一下(當然,以上所說都是商業(yè)收費軟件)。為了初探一下SQL Server強大的數(shù)據(jù)管理功能,下面簡單介紹一下通過R語言對SQL Server數(shù)據(jù)庫進行讀寫。使用測試系統(tǒng)環(huán)境為win 10 家庭中文版、SQL Server 2008 R2、R 3.3.3。
(1)SQL Server的下載安裝。網(wǎng)上有很多相關的資源,本公眾號主頁菜單“資源共享”下的“實用軟件”也有收錄。當然大家也可以下載使用精簡版的MySQL(免費軟件)。安裝下載好之后,如下圖添加名為“test”的數(shù)據(jù)庫。
(2)將test數(shù)據(jù)庫添加到計算機的ODBC數(shù)據(jù)源管理器中。在控制面板的“管理工具”中打開“ODBC 數(shù)據(jù)源(64 位)”,如下圖設置好,其他步驟默認設置即可。
(3)在R軟件中通過RODBC包對test數(shù)據(jù)庫進行數(shù)據(jù)的保存和讀取。測試數(shù)據(jù)選擇我們常用的R軟件自帶鳶尾花(iris)數(shù)據(jù)。
install.packages("RODBC")#安裝RODBC包
library(RODBC)#加載RODBC包
test=odbcConnect("test")#連接到SQL Server中的test數(shù)據(jù)庫設置
data(iris)#提取iris數(shù)據(jù)
sqlSave(test,iris)#把iris數(shù)據(jù)保存到test數(shù)據(jù)庫
iris.test=sqlQuery(test,"select * from iris")#讀取數(shù)據(jù)庫中的iris數(shù)據(jù)
str(iris.test); str(iris)#比較兩個數(shù)據(jù)來源的數(shù)據(jù)
就這樣,我們在使用R語言的強大的數(shù)據(jù)整理和分析功能的同時,借助SQL Server強大的數(shù)據(jù)存儲功能,可以說正如微軟一樣向大數(shù)據(jù)及機器學習領域又邁出一步。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
訓練與驗證損失驟升:機器學習訓練中的異常診斷與解決方案 在機器學習模型訓練過程中,“損失曲線” 是反映模型學習狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉型加速的今天,企業(yè)對數(shù)據(jù)的需求已從 “存儲” 轉向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計基本概念成為業(yè)務決策的底層邏輯 統(tǒng)計基本概念是商業(yè)數(shù)據(jù)分析的 “基礎語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(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。 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(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:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11