当前位置: 网学 > 编程文档 > SQL SERVER > 正文

大数据时代,R 语言已蓄势待发

来源:Http://myeducs.cn 联系QQ:点击这里给我发消息 作者: 用户投稿 来源: 网络 发布时间: 13/01/12

【51CTO 6月5日外电头条】上世纪60年代,大型机被引入学术领域与企业。从那时至今,统计分析一直存在。

然而,当今系统收集的遥测数据类型变得多种多样,并且为了深入理解,需要对数据进行过滤;同时,开源应用变得越来广受欢迎,这一切都在改变着 R 这一用于统计分析与可视化的语言。R 还有一个别名:统计领域的红帽子。

所有人都喜欢 R 语言,尤其是大数据产品销售商,比如数据仓库与 Hadoop 数据过滤器。部分原因在于,R 作为开源语言吸引了大量的统计学家与定量分析师,由这些聪明人构成的社区能够引领该语言开发。

字母语言的盛宴

对于美国赛仕研究所(SAS Institute)开发的专有工具和大型机时代肇始之初的 SPSS 统计软件,以及它们在分布式计算时代的后继产品,情况并非如此。

正如可将 Linux 视为 Unix 的开源式模仿,R 编程语言大量借鉴了 S 语言。S 语言由贝尔实验室的约翰·钱伯斯(John Chambers)于 1976 年创建,而在此十几年前出现的 SPSS 和 SAS 工具,令人尊敬但价格昂贵。S 语言的出现是对其作出的反击。在很大程度上,S 语言可以看作 VAX 与 Unix 小型计算机时代的产物,而 R 语言是 PC 与 Linxu 时代的果实。

1996 年,罗斯·艾卡(Ross Ihaka)和罗伯特·简特曼(Robert Gentleman)共同创建了R 语言。这两位来自新西兰奥克兰大学的统计学教授现在依然是 R 语言开发团队的核心成员。(顺便指出:S 语言的创建者钱伯斯也是该团队的核心成员。某些用于 S 语言的数据处理线程不做任何更改即可在 R 语言环境中运行,并非巧合。)

R 语言可视为 S 语言的现代化实现。S-PLUS 语言也是如此。一家名为 Insightful 的公司在 2004 年从Lucent Technologies 公司获得 S 语言授权,创建了 S-PLUS。Insightful 公司在 2008 年被 Tibco Software 公司收购。

革命来临

与 S 以及一定程度上的扩展 S-PLUS 不同,R 并非是在象牙塔里闭门造车而编写出了的代码。它是由统计学家与程序员构成的社区的产物,这一社区创建了 2500 多种插件,可处理各种各样的数据,并针对特定数据类型或行业进行相应的统计分析。

根据 Revolution Analytics 公司的评估,在世界各地有 200 多万定量分析师在使用 R 语言。该公司成立于 2007 年,提供了一种 R 语言的并行实现。从创始之初,该公司一直对 R 语言采取核心开源策略,为开源语言包提供支持,同时对 R 语言环境进行扩展,以便能够在计算机集群更好地运行并与 Hadoop 集群进行协作。

时至今日,尚未有人对 SPSS (2009 年 7 月被 IBM 收购)的开源对应物 PSPP 进行商业化,不过,毫无疑问,随着 PSSP 的成熟, 将会看到商业化的那一天到来。

Revolution Analytics 公司在 2008 年从 Intel Capital 获得了一些种子资金,并于 2009 年获得 900 万美元的风险投资,之后该公司开始在其 R Enterprise 产品中推广 R 专有扩展。该公司的这一策略并不仅仅是令 R 语言社区感到满意。从那时起,Revolution Analytics 开始对底层 R 统计引擎进行并行化处理,以便能够在多核/多线程处理与服务器集群上更好的运行;增加 NoSQL 类格式 XDF,帮助对数据机进行并行化;同时增加对本地 SAS 文件格式以及转化为 XDF 的支持。

不久以前,该公司对其 R 实现进行调整,以便 Hadoop 集群的每个节点都可以对 Hadoop 集群上存储在 Hadoop 分布式文件系统中的数据进行本地 R 分析,并对这些计算的结果进行整合,类似 MapReduce 对非结构化数据的操作。

过去几年里,Revolution Analytics 公司从 R 社区里获得大量的营养。不过,其他公司也在做一些有趣的事情,将 R 工具集成至其自身的产品中,令从巨量数据中寻求答案的分析师的工作变得更加方便。

并行世界

Netezza 公司在2010 年 2 月开放 Netezza 软件栈,其目的是为了在数据仓储空间获得竞争对手所没有的某些优势。Netezza 是一家数据仓储应用制造商,其产品是基于高度定制及并行化的PostgreSQL 数据库版本,利用 FPGA(现场可编程门阵列)提升在 x86 集群上的运行性能。

Netezza 利用一组 API 开发其软件开发环境,这组 API 允许 SAS 和 R 算法在其仓储应用中并行运行。同样,它还为Java、C++、Fortran 和 Python 应用提供访问数据仓库的钩子(hook),并利用 FPGA 而不是 SQL 数据库查询语言提取储存在仓库中的数据。

7 个月之后,当大数据将成为一个大市场这一趋势更加清晰可见时,IBM 以 17 亿美元的价格将 Netezza 收购。

2010 年 10 月,数据仓库制造商 Teradata 利用 TeradataR 软件包在其同名数据仓库中增加了自己的数据库内(in-database)分析。

这将 Teradata Warehouse Miner 工具转变为 R 控制台的一个插件,可在 Teradata 数据中执行 44 种不同的分析函数,同时任何在数据仓库中的存储流程都对 R 开发并可从 R 程序调用。另有 20 个函数可让 R 在 Teradata 环境中运行。

Oracle 的加入

甚至连 Oracle 也加入了 R 语言行动。2 月份,该公司推出Advanced Analytics 工具,作为 Oracle 数据库与 R 分析引擎之间的桥接。

Advanced Analytics 是 Oracle 在其 11g R2 数据库中部署的 Data Mining 附件。当 R 程序员需要运行统计例程时,他们可以在数据挖掘工具箱中调用等同的 SQL 函数,并在该数据库中运行。

如果没有这样的 SQL 函数,遍历数据库节点(如果为集群)的嵌入式 R 引擎将运行 R 例程,收集汇总数据并作为结果将其返回 R 控制台。

另外,Oracle 为其 Big Data Appliance 提供了一个名为 R Connector for Hadoop 的工具,这是一个在 Oracle Exa x86 集群上运行的 Cloudera CDH3 Hadoop 环境。该连接器可让 R 控制台与在 Big Data Appliance 上运行的Hadoop 分布式文件系统和NoSQL 数据库进行通信。

原文:R is ready for big data

网学推荐

免费论文

原创论文

浏览:
设为首页 | 加入收藏 | 论文首页 | 论文专题 | 设计下载 | 网学软件 | 论文模板 | 论文资源 | 程序设计 | 关于网学 | 站内搜索 | 网学留言 | 友情链接 | 资料中心
版权所有 QQ:3710167 邮箱:3710167@qq.com 网学网 [Myeducs.cn] 您电脑的分辨率是 像素
Copyright 2008-2015 myeducs.Cn www.myeducs.Cn All Rights Reserved
湘ICP备09003080号