R是GNU的一個開源工具，具有S語言血統(tǒng)，擅長統(tǒng)計計算和統(tǒng)計制圖。由Revolution Analytics發(fā)起的一個開源項目RHadoop將R語言與Hadoop結合在一起，很好發(fā)揮了R語言特長。廣大R語言愛好者借助強大工具RHadoop，可以在大數(shù)據(jù)領域大展拳腳，這對R語言程序員來說無疑是個喜訊。作者從一個程序員的角度對R語言和Hadoop做了一次詳細的講解。

以下為原文：

前言

寫過幾篇關于RHadoop的技術性文章，都是從統(tǒng)計的角度，介紹如何讓R語言利用Hadoop處理大數(shù)據(jù)。今天決定反過來，從計算機開發(fā)人員的角度，介紹如何讓Hadoop結合R語言，能做統(tǒng)計分析的事情。

目錄

R語言介紹

Hadoop介紹

為什么要讓Hadoop結合R語言?

如何讓Hadoop結合R語言?

R和Hadoop在實際中的案例

1. R語言介紹

起源

R語言，一種自由軟件編程語言與操作環(huán)境，主要用于統(tǒng)計分析、繪圖、數(shù)據(jù)挖掘。R本來是由來自新西蘭奧克蘭大學的Ross Ihaka和Robert Gentleman開發(fā)(也因此稱為R)，現(xiàn)在由“R開發(fā)核心團隊”負責開發(fā)。R是基于S語言的一個GNU計劃項目，所以也可以當作S語言的一種實現(xiàn)。R的語法是來自Scheme。

跨平臺，許可證

R的源代碼可自由下載使用，GNU通用公共許可證，可在多種平臺下運行，包括UNIX,Linux,Windows和MacOS。R主要是以命令行操作為主，同時支持GUI的圖形用戶界面。

R的數(shù)字基因

R內建多種統(tǒng)計學及數(shù)字分析功能。因為S的血緣，R比其他統(tǒng)計學或數(shù)學專用的編程語言有更強的物件導向功能。

R的另一強項是繪圖功能，制圖具有印刷的素質，也可加入數(shù)學符號。

雖然R主要用于統(tǒng)計分析或者開發(fā)統(tǒng)計相關的軟體，但也有人用作矩陣計算。其分析速度可媲美GNU Octave甚至商業(yè)軟件MATLAB。

代碼庫

CRAN為Comprehensive R Archive Network的簡稱。它除了收藏了R的執(zhí)行檔下載版、源代碼和說明文件，也收錄了各種用戶撰寫的軟件包。全球有超過一百個CRAN鏡像站，上萬個第三方的軟件包。

R的行業(yè)應用

統(tǒng)計分析，應用數(shù)學，計量經濟，金融分析，財經分析，人文科學，數(shù)據(jù)挖掘，人工智能，生物信息學，生物制藥，全球地理科學，數(shù)據(jù)可視化。

商業(yè)競爭對手

SAS：(Statistical Analysis System)是SAS公司推出的一款用于數(shù)據(jù)分析和和決策支持的大型集成式模塊化軟件系統(tǒng)。

SPSS：(Statistical Product and Service Solutions)是IBM公司推出的一系列用于統(tǒng)計學分析運算、數(shù)據(jù)挖掘、預測分析和決策支持任務的軟件產品及相關服務的總稱。

Matlab：(MATrix LABoratory)，是MathWorks公司出品的一款商業(yè)數(shù)學軟件。MATLAB是一種用于算法開發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計算的高級技術計算語言和交互式環(huán)境。

2. Hadoop介紹

Hadoop對于計算機的人，都是耳熟能說的技術了。

Hadoop是一個分布式系統(tǒng)基礎架構，由Apache基金會開發(fā)。用戶可以在不了解分布式底層細節(jié)的情況下，開發(fā)分布式程序。充分利用集群的威力高速運算和存儲。Hadoop實現(xiàn)了一個分布式文件系統(tǒng)(Hadoop Distributed File System)，簡稱HDFS。HDFS有著高容錯性的特點，并且設計用來部署在低廉的(low-cost)硬件上。而且它提供高傳輸率(high throughput)來訪問應用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集(large data set)的應用程序。HDFS放寬了(relax)POSIX的要求(requirements)這樣可以流的形式訪問(streaming access)文件系統(tǒng)中的數(shù)據(jù)。

Hadoop的家族成員：Hive, HBase, Zookeeper, Avro, Pig, Ambari, Sqoop, Mahout, Chukwa

Hive: 是基于Hadoop的一個數(shù)據(jù)倉庫工具，可以將結構化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，通過類SQL語句快速實現(xiàn)簡單的MapReduce統(tǒng)計，不必開發(fā)專門的MapReduce應用，十分適合數(shù)據(jù)倉庫的統(tǒng)計分析。

Pig: 是一個基于Hadoop的大規(guī)模數(shù)據(jù)分析工具，它提供的SQL-LIKE語言叫Pig Latin，該語言的編譯器會把類SQL的數(shù)據(jù)分析請求轉換為一系列經過優(yōu)化處理的MapReduce運算。

HBase: 是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統(tǒng)，利用HBase技術可在廉價PC Server上搭建起大規(guī)模結構化存儲集群。

Sqoop: 是一個用來將Hadoop和關系型數(shù)據(jù)庫中的數(shù)據(jù)相互轉移的工具，可以將一個關系型數(shù)據(jù)庫(MySQL ,Oracle ,Postgres等)中的數(shù)據(jù)導進到Hadoop的HDFS中，也可以將HDFS的數(shù)據(jù)導進到關系型數(shù)據(jù)庫中。

Zookeeper:是一個為分布式應用所設計的分布的、開源的協(xié)調服務，它主要是用來解決分布式應用中經常遇到的一些數(shù)據(jù)管理問題，簡化分布式應用協(xié)調及其管理的難度，提供高性能的分布式服務

Mahout:是基于Hadoop的機器學習和數(shù)據(jù)挖掘的一個分布式框架。Mahout用MapReduce實現(xiàn)了部分數(shù)據(jù)挖掘算法，解決了并行挖掘的問題。

Avro: 是一個數(shù)據(jù)序列化系統(tǒng)，設計用于支持數(shù)據(jù)密集型，大批量數(shù)據(jù)交換的應用。Avro是新的數(shù)據(jù)序列化格式與傳輸工具，將逐步取代Hadoop原有的IPC機制

Ambari: 是一種基于Web的工具，支持Hadoop集群的供應、管理和監(jiān)控。

Chukwa: 是一個開源的用于監(jiān)控大型分布式系統(tǒng)的數(shù)據(jù)收集系統(tǒng)，它可以將各種各樣類型的數(shù)據(jù)收集成適合 Hadoop 處理的文件保存在 HDFS 中供 Hadoop 進行各種 MapReduce 操作。

自2006年，Hadoop以MapReduce和HDFS獨立發(fā)展開始，到今年2013年不過7年時間，Hadoop的家族已經孵化出多個Apache的頂級項目。特別是最近1-2年，發(fā)展速度越來越快，又融入了很多新技術(YARN, Hcatalog, Oozie, Cassandra)，都有點讓我們都學不過來了。

3. 為什么要讓Hadoop結合R語言?

前面兩章，R語言介紹和Hadoop介紹，讓我們體會到了，兩種技術在各自領域的強大。很多開發(fā)人員在計算機的角度，都會提出下面2個問題。

問題1: Hadoop的家族如此之強大，為什么還要結合R語言?

問題2: Mahout同樣可以做數(shù)據(jù)挖掘和機器學習，和R語言的區(qū)別是什么?

下面我嘗試著做一個解答：

問題1: Hadoop的家族如此之強大，為什么還要結合R語言?

a. Hadoop家族的強大之處，在于對大數(shù)據(jù)的處理，讓原來的不可能(TB,PB數(shù)據(jù)量計算)，成為了可能。

b. R語言的強大之處，在于統(tǒng)計分析，在沒有Hadoop之前，我們對于大數(shù)據(jù)的處理，要取樣本，假設檢驗，做回歸，長久以來R語言都是統(tǒng)計學家專屬的工具。

c. 從a和b兩點，我們可以看出，hadoop重點是全量數(shù)據(jù)分析，而R語言重點是樣本數(shù)據(jù)分析。 兩種技術放在一起，剛好是最長補短!

d. 模擬場景：對1PB的新聞網(wǎng)站訪問日志做分析，預測未來流量變化

d1:用R語言，通過分析少量數(shù)據(jù)，對業(yè)務目標建回歸建模，并定義指標

d2:用Hadoop從海量日志數(shù)據(jù)中，提取指標數(shù)據(jù)

d3:用R語言模型，對指標數(shù)據(jù)進行測試和調優(yōu)

d4:用Hadoop分步式算法，重寫R語言的模型，部署上線

這個場景中，R和Hadoop分別都起著非常重要的作用。以計算機開發(fā)人員的思路，所有有事情都用Hadoop去做，沒有數(shù)據(jù)建模和證明，”預測的結果”一定是有問題的。以統(tǒng)計人員的思路，所有的事情都用R去做，以抽樣方式，得到的“預測的結果”也一定是有問題的。

所以讓二者結合，是產界業(yè)的必然的導向，也是產界業(yè)和學術界的交集，同時也為交叉學科的人才提供了無限廣闊的想象空間。

問題2: Mahout同樣可以做數(shù)據(jù)挖掘和機器學習，和R語言的區(qū)別是什么?

a. Mahout是基于Hadoop的數(shù)據(jù)挖掘和機器學習的算法框架，Mahout的重點同樣是解決大數(shù)據(jù)的計算的問題。

b. Mahout目前已支持的算法包括，協(xié)同過濾，推薦算法，聚類算法，分類算法，LDA, 樸素bayes，隨機森林。上面的算法中，大部分都是距離的算法，可以通過矩陣分解后，充分利用MapReduce的并行計算框架，高效地完成計算任務。

c. Mahout的空白點，還有很多的數(shù)據(jù)挖掘算法，很難實現(xiàn)MapReduce并行化。Mahout的現(xiàn)有模型，都是通用模型，直接用到的項目中，計算結果只會比隨機結果好一點點。Mahout二次開發(fā)，要求有深厚的JAVA和Hadoop的技術基礎，最好兼有 “線性代數(shù)”，“概率統(tǒng)計”，“算法導論” 等的基礎知識。所以想玩轉Mahout真的不是一件容易的事情。

d. R語言同樣提供了Mahout支持的約大多數(shù)算法(除專有算法)，并且還支持大量的Mahout不支持的算法，算法的增長速度比mahout快N倍。并且開發(fā)簡單，參數(shù)配置靈活，對小型數(shù)據(jù)集運算速度非常快。

雖然，Mahout同樣可以做數(shù)據(jù)挖掘和機器學習，但是和R語言的擅長領域并不重合。集百家之長，在適合的領域選擇合適的技術，才能真正地“保質保量”做軟件。

4. 如何讓Hadoop結合R語言?

從上一節(jié)我們看到，Hadoop和R語言是可以互補的，但所介紹的場景都是Hadoop和R語言的分別處理各自的數(shù)據(jù)。

一旦市場有需求，自然會有商家填補這個空白。

1). RHadoop

RHadoop是一款Hadoop和R語言的結合的產品，由RevolutionAnalytics公司開發(fā)，并將代碼開源到github社區(qū)上面。RHadoop包含三個R包 (rmr，rhdfs，rhbase)，分別是對應Hadoop系統(tǒng)架構中的，MapReduce, HDFS, HBase 三個部分。

2). RHive

RHive是一款通過R語言直接訪問Hive的工具包，是由NexR一個韓國公司研發(fā)的。

3). 重寫Mahout

用R語言重寫Mahout的實現(xiàn)也是一種結合的思路，我也做過相關的嘗試。

4).Hadoop調用R

上面說的都是R如何調用Hadoop，當然我們也可以反相操作，打通JAVA和R的連接通道，讓Hadoop調用R的函數(shù)。但是，這部分還沒有商家做出成形的產品。

5. R和Hadoop在實際中的案例

R和Hadoop的結合，技術門檻還是有點高的。對于一個人來說，不僅要掌握Linux, Java, Hadoop, R的技術，還要具備軟件開發(fā)，算法，概率統(tǒng)計，線性代數(shù)，數(shù)據(jù)可視化，行業(yè)背景的一些基本素質。

在公司部署這套環(huán)境，同樣需要多個部門，多種人才的的配合。Hadoop運維，Hadoop算法研發(fā)，R語言建模，R語言MapReduce化，軟件開發(fā)，測試等等。。。

所以，這樣的案例并不太多。

展位未來

對于R和Hadoop的結合，在近幾年，肯定會生成爆發(fā)式的增長的。但由于跨學科會造成技術壁壘，人才會遠遠跟不上市場的需求。

所以，肯定會有更多的大數(shù)據(jù)工具，被發(fā)明!機會就在我們的手中，也許明天你的創(chuàng)新，就是我們追逐的方向!!