如何在Greenplum中并行运行R程序——Greenplum R library介绍

了解更多Greenplum技术干货，欢迎访问Greenplum中文社区网站

引言

本文将介绍一个全新的基于Greenplum的R语言开发函数库Greenplum R。Greenplum R提供了gpapply和gptapply两个函数，可以把R语言的程序发送至Greenplum端并行执行，从而避免数据的移动和提高R语言的执行效率。

R语言是一个开源的专注于统计分析的程序设计语言，具有丰富的统计分析扩展，在大数据浪潮中，R语言也被数据分析师广泛的应用于大数据分析中。各大数据平台也加强了对R语言的支持。

Greenplum大数据分析平台对R语言有良好的支持。在Greenplum中可以使用两种方式使用R语言进行数据分析，一种是使用ODBC连接到Greenplum数据库读取数据，另一种是编写PL/R的用户定义函数（User Defined Function， UDF）。这两种方式各自有优缺点，第一种方式不需要学习PL/R的特殊的语法，仅仅需要编写标准的R语言程序，但是缺点也是很明显的，需要把数据从Greenplum读取到客户端进行计算，这样的话既需要做数据移动又无法发挥Greenplum并行计算的优势；第二种方式不需要移动数据，而且可以使R程序并行执行，但是用户需要学习PL/R的语法，并且使用PL/R编写的用户定义函数（UDF）不易于调试。

那么有没有一个两全其美的方法呢？