Question

R 语言怎样进行分布式计算

Answer 1

这个可能比较麻烦，需要对R程序的底层API和package都要进行重构以适应分布式运算和分布式文件存储，现在好像没有什么好办法，因为现在很多包如果放到分布式上面可能都不能运行。有程序方面的原因，也有可能很多统计算法并不适合分布式计算

简单说就是R语言和Spark的一个接口，可以通过R语言调用Spark的计算能力，把计算任务分配到Spark的节点上来做。

亮点：
1、近乎完整的dplyr语法！用过dplyr的同学一定知道这套语法是多么的人性化…
2、可以直接调用Spark的机器学习能力！再也不用纠结pull到R里面的数据不够...
3、不要钱……
弱点：
1、如果不是Spark包自带的算法的话还是要自己Call Spark API写…要懂一点分布式开发
2、仔细一想这就是给Spark做了个壳...不能说是用R在做分布式运算orz

至于Microsoft...现在有Microsoft R Server, 提供了很多R原生函数的High Performance Analysis版本，可以实现并行运算...