大数据环境下集成R语言的数据挖掘平台 之介绍、数据上传与数据预处理

这个集成R语言的数据挖掘平台是当时为中国软件杯比赛做的一个系统，由于时间太紧，当时开发只用了一周的时间，不过前前后后用了大半年来学习和熟悉R语言，深深感觉到R语言真的是数据分析的一个利器，内置的各种分析包大大简化了数据分析的过程，只需要传参调用即可，再也不需要读懂算法才能完成分析了。但是，R语言当前还是需要以命令行的形式使用的，RStudio也只是优化了应用程序的界面，没有方便的针对业务人员的一个应用。我们做这个平台的初衷就是：

1. 图形可视化。让用户使用图形化界面进行操作。用户可以设置数据来源，选择分析方法，设置分析参数，建立分析流程，不用编写R代码就能够进行数据分析，得出结果。
2. 多种数据分析方法。系统提供分类、聚类、关联规则挖掘、时间序列等多种分析方法，里面又内置多种不同的分析算法。
3. 大数据分析。能够支持TB级数据。

所以一切的开发都围绕着这三个方向来：

1. 实现Java调用R来画图，并用Struts2+Hibernate开发网站进行呈现。
2. 了解各种数据分析方法，用Java调用R进行算法实现。
3. 搭建分布式环境，用Hadoop实现KMeans和KNN。

在初步调研后，我们很快确定了系统架构（这样的架构在当时能够做出来现在想想也是挺有模有样的。）：

以及功能模块图：