Microsoft R 和 Open Source R，哪一个才最适合你？

由于微信不允许外部链接，你需要点击文章尾部左下角的 "阅读原文"，才能访问文中链接。

R 是一个开源统计软件，在分析领域普及的非常快。 在过去几年中，无论业务规模如何，很多公司都采用了 R 作为分析引擎（analytical engines）。 由于 R 是一个开源软件，考虑到分析行业的前景，许多领先的产品公司已经设计了他们自己的产品以便与 R 轻松地集成（easily integrate with R）。例如，我们可以将数据从 Tableau 传递到 R，在 R 中运行一些分析 将结果发送回 Tableau 以进行可视化。

不同的 R 产品

微软也以不同的方式进入了这一局面。 Revolution Analytics 是一家总部位于加利福尼亚州的公司，成立于 2007 年，开发了名为 Revolution R Enterprise 的企业版 R（an enterprise version of R）。这个在 2014 年推出的产品引入了一些可通过并行处理管理大数据的专有组件（proprietary components）和库（libraries）。 2015 年 1 月，微软收购了 Revolution Analytics 并重新命名了几款 Revolution Analytics 产品。 微软制造了一些免费的产品，其中一些是许可产品。 这些产品集包括 Microsoft R Open，Microsoft R Client 和 Microsoft R Server。

因此，市场上有 4 种不同的 R 产品（包括开源 R 或 CRAN R），其中 3 种是免费的，另外一种（Microsoft R Server）是获得许可的。有些人可能会对这些产品之间的差异感到困惑，以至于不知道哪一个才是最合适使用的 R 产品。

微软的产品相对较新，除了微软官方网站，网上没有太多的这些产品的相关文档。 虽然微软官网的这些产品都描述得很好，但我觉得有必要总结一下这四种产品的比较视图。

不同 R 产品的比较

在开始任何比较之前，请提及所有 R 用户都知道的开源 R（Open source R）的主要缺点（我们将在此称为 CRAN R）。 事实上 R 在内存上运行。 因此，R 代码分析数据所需的时间取决于您的计算机硬件。 如果数据超出内存限制，代码将崩溃（crash）。 因此，同一数据集的逻辑回归（a logistic regression），在一台机器需要 15 秒的运行时间在另一台高端计算机上可能需要 10 秒。 它也可能无法在低配置计算机中运行。

Microsoft R 产品试图在其产品的不同版本中解决 CRAN R 的这种限制。 现在让我们首先逐一了解 Microsoft R 产品的不同附加功能。

Microsoft R Open

该产品以前称为 Revolution R Open。Microsoft R Open（我们在此称之为 MRO）是 CRAN R 的一个小改进，主要有两个方面。 首先，MRO 使用多线程英特尔数学核函数库（multithreaded Intel Math Kernel Library，MKL）进行矩阵处理，如逆计算，矩阵乘法，矩阵分解等。但是要使用它，我们需要安装 MKL 库。 没有这个库，CRAN R 和 MRO 在执行效率方面是相同的。 其次，MRO 通过默认的 CRAN 存储库（CRAN repository）提供一致的静态 R 包。 我们可以通过 checkpoint 包使用特定版本的 R 包 一次又一次地重现代码。 除了上面这两方面，MRO 与 CRAN R 是相同的。

Microsoft R Client

Microsoft R Client（我们在后面称之为 MRC）是第一个支持并行计算的产品版本。 因此，可以通过它有效处理更大的数据集，但仅限于某些统计函数。 Microsoft（实际上由 Revolution Analytics 开发）开发了一些专有算法，用于一些可以处理并行化的统计计算。 例如，平均值或方差的计算可以很容易地并行化，但关联规则挖掘（association rule mining）可能不容易并行化。 目前，MRC 中有近 80 种不同的专有功能，可以实现数据的并行化。

MRO 是 Windows 下的免费软件，我们可以使用上述专有功能。 这些函数名称以后缀 “rx” 开头。 例如，glm()函数是用于拟合广义线性模型的 CRAN R 函数，但rxGlm()可以执行相同的操作并使用并行化。 但是，在 MRO 中，并行化最多只能有两个线程。

Microsoft R Server

Microsoft R Server（我们现在称之为 MRS）使用相同的专有函数进行并行化，但它可以在多个线程（两个以上）中进行处理。 它还可以处理多个数据节点（i.e. computers）中的数据。 MRS 有各种平台，如 R Server for Linux，R Server for Windows，R Server for Hadoop，R Server for Teradata DB，SQL Server R Services 等，这些平台可以在各种操作系统和数据库中实现 R 的无缝执行。

作为许可产品，MRS 具有与之配套的支持服务，我们也可以将 R 代码作为独立的 Web 服务运行。 使用 DeployR 软件包可以为为具有集群网络节点和计算节点的多服务器拓扑（multi-server topologies）操作 MRS 引擎。

下面我试图总结以上内容，并尝试针对不同场景看到最好的 R 产品。 希望这有助于人们做出决定。

英文原文：https://www.linkedin.com/pulse/microsoft-r-open-source-which-suits-you-best-tathagata-mukhopadhyay

作者：Tathagata Mukhopadhyay  |  翻译：Steven Shen

·end·

—如果喜欢，快分享给你的朋友们吧—

我们一起愉快的玩耍吧

本文分享自微信公众号 - 生信科技爱好者（bioitee）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。