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)中擴大自己的影響力。特有的擴展插件可提供免費擴展，并且允許R語言引擎運行在Hadoop集群之上。

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。MapReduce將并行化、容錯、數(shù)據(jù)分布、負載均衡等放在庫中，而將系統(tǒng)對數(shù)據(jù)的所有操作都歸結(jié)為兩個步驟，通過Map和Reduce兩步來實現(xiàn)在大規(guī)模計算節(jié)點中人物的調(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語言的商用軟件擴充以及支援，這使得讓統(tǒng)計分析師及科學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公司首席技術(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，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行并控制運行的數(shù)據(jù)。

R語言為企業(yè)提供更多商機

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，其可幫助初學者快速進入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。（李智/編譯）