R+SQLServer的大数据管理
在学习和使用R语言的过程中,在数据文件的选择方面,由于csv文件在各大数据库软件以及统计分析软件都有很好的兼容性,所以一直被广泛地用作数据储存传输。笔者最近手头上有一个10多G的csv,大概有2千5百万条的记录,这真的让我以及我的R语言感到亚历山大。Excel不用说更是打不开了(Excel 2003及以前的版本最大仅支持65,536行),SAS软件花费一些时间勉强能打开,但是对某些中文的格式不兼容(特别是某些变量包含逗号的时候)。该怎么办呢?这是大数据的问题吗?怎么那么不小心就被我碰上了?
今天我们就谈谈“大数据”这个老话题。自2012年以来,大数据(Big Data)已经上过《纽约时报》《华尔街日报》的专栏封面,进入美国白宫官网的新闻,在国内更是被炒得热火朝天,互联网、工商业、高校等都纷纷进行探索讨论。大数据战略甚至成为了我们国家“十三五”十四大战略之一。
虽然“大数据”的概念很宽泛,是对规模庞大的数据对象,及其处理和应用活动的统一,但我们今天就浅谈一下它的“大”。大数据的“大”,一般是指在10TB规模左右大型数据集,但在实际应用中,很多用户把多个数据集放在一起,已经形成了PB级的数据量;例如,百度的首页导航每天需要提供的数据超过1.5PB,这些数据如果打印出来将超过5千亿张A4纸。也曾经有报道,截至20世纪末,人类生产的所有印刷材料的数据量仅为200PB。好像有点扯远了~
处理这些TB、PB级的数据,我们不妨试试强大的SQL Server。它是是微软公司推出的一个具有使用方便、可伸缩性好、与相关软件集成程度高等优点的全面的关系型数据库管理平台,可以满足数据爆炸时代和数据驱动应用程序的需求。
令人兴奋的是,微软在2016年6月正式发布的SQL Server 2016将支持R语言编程(包括大数据的算法)。据了解,这次更新是微软对Revolution Analytics公司收购的结果,该公司此前的产品Revolution R就是一款强大的大数据分析工具。所以说SQL Server 2016代表了微软向大数据及机器学习领域迈出的第一步。
感兴趣的朋友可以下载试用一下(当然,以上所说都是商业收费软件)。为了初探一下SQL Server强大的数据管理功能,下面简单介绍一下通过R语言对SQL Server数据库进行读写。使用测试系统环境为win 10 家庭中文版、SQL Server 2008 R2、R 3.3.3。
(1)SQL Server的下载安装。网上有很多相关的资源,本公众号主页菜单“资源共享”下的“实用软件”也有收录。当然大家也可以下载使用精简版的MySQL(免费软件)。安装下载好之后,如下图添加名为“test”的数据库。
(2)将test数据库添加到计算机的ODBC数据源管理器中。在控制面板的“管理工具”中打开“ODBC 数据源(64 位)”,如下图设置好,其他步骤默认设置即可。
(3)在R软件中通过RODBC包对test数据库进行数据的保存和读取。测试数据选择我们常用的R软件自带鸢尾花(iris)数据。
install.packages("RODBC")#安装RODBC包
library(RODBC)#加载RODBC包
test=odbcConnect("test")#连接到SQL Server中的test数据库设置
data(iris)#提取iris数据
sqlSave(test,iris)#把iris数据保存到test数据库
iris.test=sqlQuery(test,"select * from iris")#读取数据库中的iris数据
str(iris.test); str(iris)#比较两个数据来源的数据
就这样,我们在使用R语言的强大的数据整理和分析功能的同时,借助SQL Server强大的数据存储功能,可以说正如微软一样向大数据及机器学习领域又迈出一步。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
2025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10推荐学习书籍 《CDA一级教材》在线电子版正式上线CDA网校,为你提供系统、实用、前沿的学习资源,助你轻松迈入数据分析的大门! ...
2025-03-07在数据驱动决策的时代,掌握多样的数据分析方法,就如同拥有了开启宝藏的多把钥匙,能帮助我们从海量数据中挖掘出关键信息,本 ...
2025-03-06在备考 CDA 考试的漫漫征途上,拥有一套契合考试大纲的优质模拟题库,其重要性不言而喻。它恰似黑夜里熠熠生辉的启明星,为每一 ...
2025-03-05“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关 ...
2025-03-04以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-04在现代商业环境中,数据分析师的角色愈发重要。数据分析师通过解读数据,帮助企业做出更明智的决策。因此,考取数据分析师证书成为了许多人提升职业竞争力的选择。本文将详细介绍考取数据分析师证书的过程,包括了解证书种类和 ...
2025-03-03在当今信息化社会,大数据已成为各行各业不可或缺的宝贵资源。大数据专业应运而生,旨在培养具备扎实理论基础和实践能力,能够应 ...
2025-03-03数据分析师认证考试全面升级后,除了考试场次和报名时间,小伙伴们最关心的就是报名费了,报 ...
2025-03-032025年刚开启,知乎上就出现了一个热帖: 2024年突然出现的经济下行,使各行各业都感觉到压力山大。有人说,大环境越来越不好了 ...
2025-03-03大数据分析师培训旨在培养学员掌握大数据分析的基础知识、技术及应用能力,以适应企业对数据分析人才的需求。根据不同的培训需求 ...
2025-03-03小伙伴们,最近被《哪吒2》刷屏了吧!这部电影不仅在国内掀起观影热潮,还在全球范围内引发了关注,成为中国电影崛起的又一里程 ...
2025-03-03以下的文章内容来源于张彦存老师的专栏,如果您想阅读专栏《Python 数据可视化 18 讲(PyEcharts、Matplotlib、Seaborn)》,点 ...
2025-02-28最近,国产AI模型DeepSeek爆火,其创始人梁文峰走进大众视野。《黑神话:悟空》制作人冯骥盛赞DeepSeek为“国运级别的科技成果” ...
2025-02-271.统计学简介 听说你已经被统计学劝退,被Python唬住……先别着急划走,看完这篇再说! 先说结论,大多数情况下的学不会都不是知 ...
2025-02-27“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩稳定, ...
2025-02-26