【51CTO 6月5日外電頭條】上世紀60年代，大型機被引入學術領域與企業。從那時至今，統計分析一直存在。

然而，當今系統收集的遙測數據類型變得多種多樣，并且為了深入理解，需要對數據進行過濾；同時，開源應用變得越來廣受歡迎，這一切都在改變著 R 這一用于統計分析與可視化的語言。R 還有一個別名：統計領域的紅帽子。

所有人都喜歡 R 語言，尤其是大數據產品銷售商，比如數據倉庫與 Hadoop 數據過濾器。部分原因在于，R 作為開源語言吸引了大量的統計學家與定量分析師，由這些聰明人構成的社區能夠***該語言開發。

字母語言的盛宴

對于美國賽仕研究所（SAS Institute）開發的專有工具和大型機時代肇始之初的 SPSS 統計軟件，以及它們在分布式計算時代的后繼產品，情況并非如此。

正如可將 Linux 視為 Unix 的開源式模仿，R 編程語言大量借鑒了 S 語言。S 語言由貝爾實驗室的約翰·錢伯斯（John Chambers）于 1976 年創建，而在此十幾年前出現的 SPSS 和 SAS 工具，令人尊敬但價格昂貴。S 語言的出現是對其作出的反擊。在很大程度上，S 語言可以看作 VAX 與 Unix 小型計算機時代的產物，而 R 語言是 PC 與 Linxu 時代的果實。

1996 年，羅斯·艾卡（Ross Ihaka）和羅伯特·簡特曼（Robert Gentleman）共同創建了R 語言。這兩位來自新西蘭奧克蘭大學的統計學教授現在依然是 R 語言開發團隊的核心成員。（順便指出：S 語言的創建者錢伯斯也是該團隊的核心成員。某些用于 S 語言的數據處理線程不做任何更改即可在 R 語言環境中運行，并非巧合。）

R 語言可視為 S 語言的現代化實現。S-PLUS 語言也是如此。一家名為 Insightful 的公司在 2004 年從Lucent Technologies 公司獲得 S 語言授權，創建了 S-PLUS。Insightful 公司在 2008 年被 Tibco Software 公司收購。

革命來臨

與 S 以及一定程度上的擴展 S-PLUS 不同，R 并非是在象牙塔里閉門造車而編寫出了的代碼。它是由統計學家與程序員構成的社區的產物，這一社區創建了 2500 多種插件，可處理各種各樣的數據，并針對特定數據類型或行業進行相應的統計分析。

根據 Revolution Analytics 公司的評估，在世界各地有 200 多萬定量分析師在使用 R 語言。該公司成立于 2007 年，提供了一種 R 語言的并行實現。從創始之初，該公司一直對 R 語言采取核心開源策略，為開源語言包提供支持，同時對 R 語言環境進行擴展，以便能夠在計算機集群更好地運行并與 Hadoop 集群進行協作。

時至今日，尚未有人對 SPSS （2009 年 7 月被 IBM 收購）的開源對應物 PSPP 進行商業化，不過，毫無疑問，隨著 PSSP 的成熟， 將會看到商業化的那一天到來。

Revolution Analytics 公司在 2008 年從 Intel Capital 獲得了一些種子資金，并于 2009 年獲得 900 萬美元的風險投資，之后該公司開始在其 R Enterprise 產品中推廣 R 專有擴展。該公司的這一策略并不僅僅是令 R 語言社區感到滿意。從那時起，Revolution Analytics 開始對底層 R 統計引擎進行并行化處理，以便能夠在多核/多線程處理與服務器集群上更好的運行；增加 NoSQL 類格式 XDF，幫助對數據機進行并行化；同時增加對本地 SAS 文件格式以及轉化為 XDF 的支持。

不久以前，該公司對其 R 實現進行調整，以便 Hadoop 集群的每個節點都可以對 Hadoop 集群上存儲在 Hadoop 分布式文件系統中的數據進行本地 R 分析，并對這些計算的結果進行整合，類似 MapReduce 對非結構化數據的操作。

過去幾年里，Revolution Analytics 公司從 R 社區里獲得大量的營養。不過，其他公司也在做一些有趣的事情，將 R 工具集成至其自身的產品中，令從巨量數據中尋求答案的分析師的工作變得更加方便。

并行世界

Netezza 公司在2010 年 2 月開放 Netezza 軟件棧，其目的是為了在數據倉儲空間獲得競爭對手所沒有的某些優勢。Netezza 是一家數據倉儲應用制造商，其產品是基于高度定制及并行化的PostgreSQL 數據庫版本，利用 FPGA（現場可編程門陣列）提升在 x86 集群上的運行性能。

Netezza 利用一組 API 開發其軟件開發環境，這組 API 允許 SAS 和 R 算法在其倉儲應用中并行運行。同樣，它還為Java、C++、Fortran 和 Python 應用提供訪問數據倉庫的鉤子（hook），并利用 FPGA 而不是 SQL 數據庫查詢語言提取儲存在倉庫中的數據。

7 個月之后，當大數據將成為一個大市場這一趨勢更加清晰可見時，IBM 以 17 億美元的價格將 Netezza 收購。

2010 年 10 月，數據倉庫制造商 Teradata 利用 TeradataR 軟件包在其同名數據倉庫中增加了自己的數據庫內（in-database）分析。

這將 Teradata Warehouse Miner 工具轉變為 R 控制臺的一個插件，可在 Teradata 數據中執行 44 種不同的分析函數，同時任何在數據倉庫中的存儲流程都對 R 開發并可從 R 程序調用。另有 20 個函數可讓 R 在 Teradata 環境中運行。

Oracle 的加入

甚至連 Oracle 也加入了 R 語言行動。2 月份，該公司推出Advanced Analytics 工具，作為 Oracle 數據庫與 R 分析引擎之間的橋接。

Advanced Analytics 是 Oracle 在其 11g R2 數據庫中部署的 Data Mining 附件。當 R 程序員需要運行統計例程時，他們可以在數據挖掘工具箱中調用等同的 SQL 函數，并在該數據庫中運行。

如果沒有這樣的 SQL 函數，遍歷數據庫節點（如果為集群）的嵌入式 R 引擎將運行 R 例程，收集匯總數據并作為結果將其返回 R 控制臺。

另外，Oracle 為其 Big Data Appliance 提供了一個名為 R Connector for Hadoop 的工具，這是一個在 Oracle Exa x86 集群上運行的 Cloudera CDH3 Hadoop 環境。該連接器可讓 R 控制臺與在 Big Data Appliance 上運行的Hadoop 分布式文件系統和NoSQL 數據庫進行通信。

原文：R is ready for big data