【51CTO 6月5日外電頭條】上世紀(jì)60年代，大型機(jī)被引入學(xué)術(shù)領(lǐng)域與企業(yè)。從那時(shí)至今，統(tǒng)計(jì)分析一直存在。

然而，當(dāng)今系統(tǒng)收集的遙測(cè)數(shù)據(jù)類型變得多種多樣，并且為了深入理解，需要對(duì)數(shù)據(jù)進(jìn)行過濾；同時(shí)，開源應(yīng)用變得越來廣受歡迎，這一切都在改變著 R 這一用于統(tǒng)計(jì)分析與可視化的語(yǔ)言。R 還有一個(gè)別名：統(tǒng)計(jì)領(lǐng)域的紅帽子。

所有人都喜歡 R 語(yǔ)言，尤其是大數(shù)據(jù)產(chǎn)品銷售商，比如數(shù)據(jù)倉(cāng)庫(kù)與 Hadoop 數(shù)據(jù)過濾器。部分原因在于，R 作為開源語(yǔ)言吸引了大量的統(tǒng)計(jì)學(xué)家與定量分析師，由這些聰明人構(gòu)成的社區(qū)能夠***該語(yǔ)言開發(fā)。

字母語(yǔ)言的盛宴

對(duì)于美國(guó)賽仕研究所（SAS Institute）開發(fā)的專有工具和大型機(jī)時(shí)代肇始之初的 SPSS 統(tǒng)計(jì)軟件，以及它們?cè)诜植际接?jì)算時(shí)代的后繼產(chǎn)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(yǔ)言大量借鑒了 S 語(yǔ)言。S 語(yǔ)言由貝爾實(shí)驗(yàn)室的約翰·錢伯斯（John Chambers）于 1976 年創(chuàng)建，而在此十幾年前出現(xiàn)的 SPSS 和 SAS 工具，令人尊敬但價(jià)格昂貴。S 語(yǔ)言的出現(xiàn)是對(duì)其作出的反擊。在很大程度上，S 語(yǔ)言可以看作 VAX 與 Unix 小型計(jì)算機(jī)時(shí)代的產(chǎn)物，而 R 語(yǔ)言是 PC 與 Linxu 時(shí)代的果實(shí)。

1996 年，羅斯·艾卡（Ross Ihaka）和羅伯特·簡(jiǎn)特曼（Robert Gentleman）共同創(chuàng)建了R 語(yǔ)言。這兩位來自新西蘭奧克蘭大學(xué)的統(tǒng)計(jì)學(xué)教授現(xiàn)在依然是 R 語(yǔ)言開發(fā)團(tuán)隊(duì)的核心成員。（順便指出：S 語(yǔ)言的創(chuàng)建者錢伯斯也是該團(tuán)隊(duì)的核心成員。某些用于 S 語(yǔ)言的數(shù)據(jù)處理線程不做任何更改即可在 R 語(yǔ)言環(huán)境中運(yùn)行，并非巧合。）

R 語(yǔ)言可視為 S 語(yǔ)言的現(xiàn)代化實(shí)現(xiàn)。S-PLUS 語(yǔ)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(yǔ)言授權(quán)，創(chuàng)建了 S-PLUS。Insightful 公司在 2008 年被 Tibco Software 公司收購(gòu)。

革命來臨

與 S 以及一定程度上的擴(kuò)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(tǒng)計(jì)學(xué)家與程序員構(gòu)成的社區(qū)的產(chǎn)物，這一社區(qū)創(chuàng)建了 2500 多種插件，可處理各種各樣的數(shù)據(jù)，并針對(duì)特定數(shù)據(jù)類型或行業(yè)進(jìn)行相應(yīng)的統(tǒng)計(jì)分析。

根據(jù) Revolution Analytics 公司的評(píng)估，在世界各地有 200 多萬定量分析師在使用 R 語(yǔ)言。該公司成立于 2007 年，提供了一種 R 語(yǔ)言的并行實(shí)現(xiàn)。從創(chuàng)始之初，該公司一直對(duì) R 語(yǔ)言采取核心開源策略，為開源語(yǔ)言包提供支持，同時(shí)對(duì) R 語(yǔ)言環(huán)境進(jìn)行擴(kuò)展，以便能夠在計(jì)算機(jī)集群更好地運(yùn)行并與 Hadoop 集群進(jìn)行協(xié)作。

時(shí)至今日，尚未有人對(duì) SPSS （2009 年 7 月被 IBM 收購(gòu)）的開源對(duì)應(yīng)物 PSPP 進(jìn)行商業(yè)化，不過，毫無疑問，隨著 PSSP 的成熟， 將會(huì)看到商業(yè)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(fēng)險(xiǎn)投資，之后該公司開始在其 R Enterprise 產(chǎn)品中推廣 R 專有擴(kuò)展。該公司的這一策略并不僅僅是令 R 語(yǔ)言社區(qū)感到滿意。從那時(shí)起，Revolution Analytics 開始對(duì)底層 R 統(tǒng)計(jì)引擎進(jìn)行并行化處理，以便能夠在多核/多線程處理與服務(wù)器集群上更好的運(yùn)行；增加 NoSQL 類格式 XDF，幫助對(duì)數(shù)據(jù)機(jī)進(jìn)行并行化；同時(shí)增加對(duì)本地 SAS 文件格式以及轉(zhuǎn)化為 XDF 的支持。

不久以前，該公司對(duì)其 R 實(shí)現(xiàn)進(jìn)行調(diào)整，以便 Hadoop 集群的每個(gè)節(jié)點(diǎn)都可以對(duì) Hadoop 集群上存儲(chǔ)在 Hadoop 分布式文件系統(tǒng)中的數(shù)據(jù)進(jìn)行本地 R 分析，并對(duì)這些計(jì)算的結(jié)果進(jìn)行整合，類似 MapReduce 對(duì)非結(jié)構(gòu)化數(shù)據(jù)的操作。

過去幾年里，Revolution Analytics 公司從 R 社區(qū)里獲得大量的營(yíng)養(yǎng)。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(chǎn)品中，令從巨量數(shù)據(jù)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(shù)據(jù)倉(cāng)儲(chǔ)空間獲得競(jìng)爭(zhēng)對(duì)手所沒有的某些優(yōu)勢(shì)。Netezza 是一家數(shù)據(jù)倉(cāng)儲(chǔ)應(yīng)用制造商，其產(chǎn)品是基于高度定制及并行化的PostgreSQL 數(shù)據(jù)庫(kù)版本，利用 FPGA（現(xiàn)場(chǎng)可編程門陣列）提升在 x86 集群上的運(yùn)行性能。

Netezza 利用一組 API 開發(fā)其軟件開發(fā)環(huán)境，這組 API 允許 SAS 和 R 算法在其倉(cāng)儲(chǔ)應(yīng)用中并行運(yùn)行。同樣，它還為Java、C++、Fortran 和 Python 應(yīng)用提供訪問數(shù)據(jù)倉(cāng)庫(kù)的鉤子（hook），并利用 FPGA 而不是 SQL 數(shù)據(jù)庫(kù)查詢語(yǔ)言提取儲(chǔ)存在倉(cāng)庫(kù)中的數(shù)據(jù)。

7 個(gè)月之后，當(dāng)大數(shù)據(jù)將成為一個(gè)大市場(chǎng)這一趨勢(shì)更加清晰可見時(shí)，IBM 以 17 億美元的價(jià)格將 Netezza 收購(gòu)。

2010 年 10 月，數(shù)據(jù)倉(cāng)庫(kù)制造商 Teradata 利用 TeradataR 軟件包在其同名數(shù)據(jù)倉(cāng)庫(kù)中增加了自己的數(shù)據(jù)庫(kù)內(nèi)（in-database）分析。

這將 Teradata Warehouse Miner 工具轉(zhuǎn)變?yōu)?R 控制臺(tái)的一個(gè)插件，可在 Teradata 數(shù)據(jù)中執(zhí)行 44 種不同的分析函數(shù)，同時(shí)任何在數(shù)據(jù)倉(cāng)庫(kù)中的存儲(chǔ)流程都對(duì) R 開發(fā)并可從 R 程序調(diào)用。另有 20 個(gè)函數(shù)可讓 R 在 Teradata 環(huán)境中運(yùn)行。

Oracle 的加入

甚至連 Oracle 也加入了 R 語(yǔ)言行動(dòng)。2 月份，該公司推出Advanced Analytics 工具，作為 Oracle 數(shù)據(jù)庫(kù)與 R 分析引擎之間的橋接。

Advanced Analytics 是 Oracle 在其 11g R2 數(shù)據(jù)庫(kù)中部署的 Data Mining 附件。當(dāng) R 程序員需要運(yùn)行統(tǒng)計(jì)例程時(shí)，他們可以在數(shù)據(jù)挖掘工具箱中調(diào)用等同的 SQL 函數(shù)，并在該數(shù)據(jù)庫(kù)中運(yùn)行。

如果沒有這樣的 SQL 函數(shù)，遍歷數(shù)據(jù)庫(kù)節(jié)點(diǎn)（如果為集群）的嵌入式 R 引擎將運(yùn)行 R 例程，收集匯總數(shù)據(jù)并作為結(jié)果將其返回 R 控制臺(tái)。

另外，Oracle 為其 Big Data Appliance 提供了一個(gè)名為 R Connector for Hadoop 的工具，這是一個(gè)在 Oracle Exa x86 集群上運(yùn)行的 Cloudera CDH3 Hadoop 環(huán)境。該連接器可讓 R 控制臺(tái)與在 Big Data Appliance 上運(yùn)行的Hadoop 分布式文件系統(tǒng)和NoSQL 數(shù)據(jù)庫(kù)進(jìn)行通信。

原文：R is ready for big data