
R作為開源的數(shù)據(jù)統(tǒng)計(jì)分析語言正潛移默化的在企業(yè)中擴(kuò)大自己的影響力。特有的擴(kuò)展插件可提供免費(fèi)擴(kuò)展,并且允許R語言引擎運(yùn)行在Hadoop集群之上。
R語言是主要用于統(tǒng)計(jì)分析、繪圖的語言和操作環(huán)境。R本來是由來自新西蘭奧克蘭大學(xué)的Ross Ihaka和Robert Gentleman開發(fā)。(也因此稱為R)現(xiàn)在由“R開發(fā)核心團(tuán)隊(duì)”負(fù)責(zé)開發(fā)。R是基于S語言的一個(gè)GNU項(xiàng)目,所以也可以當(dāng)作S語言的一種實(shí)現(xiàn),通常用 S語言編寫的代碼都可以不作修改的在R環(huán)境下運(yùn)行。R的語法是來自Scheme。
R的源代碼可自由下載使用,亦有已編譯的可執(zhí)行文件版本可以下載,可在多種平臺(tái)下運(yùn)行,包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。R主要是以命令行操作,同時(shí)有人開發(fā)了幾種圖形用戶界面。(此資源來自維基百科)
眾所周知,Google開創(chuàng)了MapReduce,MapReduce是處理存儲(chǔ)在存儲(chǔ)區(qū)的非結(jié)構(gòu)化數(shù)據(jù)的先驅(qū)。雖然Google不允許MapReduce被外部使用,但由于Google曾拿出MapReduce一部分相關(guān)信息與Nutch分享,以開發(fā)開源版本的Hadoop。結(jié)果Nutch被Yahoo收購,所以Yahoo也推出了Apache Hadoop項(xiàng)目。
MapReduce的工作原理是將非結(jié)構(gòu)化數(shù)據(jù)打碎并分布到服務(wù)器的各個(gè)節(jié)點(diǎn)。MapReduce將并行化、容錯(cuò)、數(shù)據(jù)分布、負(fù)載均衡等放在庫中,而將系統(tǒng)對(duì)數(shù)據(jù)的所有操作都?xì)w結(jié)為兩個(gè)步驟,通過Map和Reduce兩步來實(shí)現(xiàn)在大規(guī)模計(jì)算節(jié)點(diǎn)中人物的調(diào)度與分配。
R語言與Hadoop結(jié)合
現(xiàn)在,統(tǒng)計(jì)工作者可利用R語言,R語言擅長在Hadoop分布式文件系統(tǒng)中存儲(chǔ)的非結(jié)構(gòu)化數(shù)據(jù)的分析。R現(xiàn)在還可以運(yùn)行在HBase這種非關(guān)系型的數(shù)據(jù)庫以及面向列的分布式數(shù)據(jù)存儲(chǔ)之上。其主要模仿了Google的BigTable。這基本上等同于使用Hadoop來持有結(jié)構(gòu)化數(shù)據(jù)的數(shù)據(jù)庫。就像Apache軟件基金會(huì)Hadoop項(xiàng)目的子項(xiàng)目HBase一樣。
Revolution Analytics公司提供對(duì)開源R語言的商用軟件擴(kuò)充以及支援,這使得讓統(tǒng)計(jì)分析師及科學(xué)家能夠在短暫的時(shí)間內(nèi)從大量的重要資料中發(fā)現(xiàn)有意義的資訊。Revolution Analytics公司首席技術(shù)官David Champagne表示R引擎可部署在Hadoop集群中的每個(gè)節(jié)點(diǎn)上面。你可以在部署了R的工作組中設(shè)置R算法,而不是在Java編程中減少算法。它可解析Hadoop映射函數(shù)的節(jié)點(diǎn),同時(shí)可并行的統(tǒng)計(jì)分析存儲(chǔ)在HDFS的數(shù)據(jù)。
如果不使用MapReduce,然后提取數(shù)據(jù)并將數(shù)據(jù)返回給分析數(shù)據(jù)的工作組。但不要忘記你還需要消化集群中的數(shù)據(jù),同時(shí)還要聚合它們。從本質(zhì)說,R是使用Hadoop的一個(gè)網(wǎng)格控制器,其管理特定算法的運(yùn)行并控制運(yùn)行的數(shù)據(jù)。
R語言為企業(yè)提供更多商機(jī)
本周,Revolution Analytics與Cloudera成為新的合作伙伴。并宣布將Cloudera Distribution Apache Hadoop(CDH3)集成到Revolution Analytics的R企業(yè)平臺(tái)上。新產(chǎn)品被稱為“RevoConnectR for Apache Hadoop”。
其實(shí)Oracle早在去年就增加了對(duì)開源R語言的支持,據(jù)Oracle官方透露他們將在數(shù)據(jù)挖掘軟件接口中更多使用R語言進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)與分析。同時(shí)一些主流的數(shù)據(jù)分析和數(shù)據(jù)庫廠商,如IBM、SAS也都已經(jīng)開始支持R語言。
七款優(yōu)秀的R語言圖形用戶界面
相關(guān)的R語言圖形用戶界面也應(yīng)用而生,其可幫助初學(xué)者快速進(jìn)入R語言環(huán)境。包括:集成開發(fā)環(huán)境RStudio、Gnome環(huán)境下的R語言數(shù)據(jù)挖據(jù)工具Rattle、圖形編程界面Red-R、Deducer等。
現(xiàn)在,R與Hadoop的連接器已經(jīng)可以在GitHub下載。
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