R語言為Hadoop集群數(shù)據(jù)統(tǒng)計分析帶來革命性變化
R作為開源的數(shù)據(jù)統(tǒng)計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”負(fù)責(zé)開發(fā)。R是基于S語言的一個GNU項目，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是處理存儲在存儲區(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)器的各個節(jié)點(diǎn)。MapReduce將并行化、容錯、數(shù)據(jù)分布、負(fù)載均衡等放在庫中，而將系統(tǒng)對數(shù)據(jù)的所有操作都?xì)w結(jié)為兩個步驟，通過Map和Reduce兩步來實(shí)現(xiàn)在大規(guī)模計算節(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Hadoop項目的子項目HBase一樣。
Revolution Analytics公司提供對開源R語言的商用軟件擴(kuò)充以及支援，這使得讓統(tǒng)計分析師及科學(xué)家能夠在短暫的時間內(nèi)從大量的重要資料中發(fā)現(xiàn)有意義的資訊。 Revolution Analytics公司***技術(shù)官David Champagne表示R引擎可部署在Hadoop集群中的每個節(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)，同時可并行的統(tǒng)計分析存儲在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)，同時還要聚合它們。從本質(zhì)說，R是使用Hadoop的一個網(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)計與分析。同時一些主流的數(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。
【編輯推薦】
