一直纠结于R的大数据计算问题,希望可以找到一个彻底的方案解决它。而云服务器当然是解决这个问题的最佳方案,所以,至少从这方面入手。
R的云服务器部署有两种解决方案,一种是使用R语言的并行计算,另外一种是使用RHadoop框架。
RHadoop框架其实就是M / R 算法的R语言实现,需要使用者有M / R的计算基础,和R语言平常使用的计算方式有很大的不同,因此,我采用的解决方案是搭建R 的并行计算集群。
如果对R语言的并行计算不了解的同学,可以参考我发布的这篇文章——《R语言中的并行运算》,当然例子是引用其他博客的集合成的,呵呵。
在两台IP地址不同的Linux机器上面安装好R,然后每台机器都安装snow包,最后注意一点是,需要配置ssh的免密码登录,不同的linux用户需要配置自己的免密码登录,并且,需要用到R集群的用户都需要使用自己的账户安装snow包。
以下是测试代码:
library(snow);
workerList <- list(
list(host = "192.168.1.100", port = 10187, outfile = "~/log1.log", rshcmd = "ssh -p 22222"),
list(host = "192.168.1.101", port = 10187, outfile = "~/log2.log", rshcmd = "ssh -p 22222"),
list(host = "192.168.1.101", port = 10187, outfile = "~/log3.log", rshcmd = "ssh -p 22222")
);
cl <- makeCluster(workerList, type="SOCK", master="192.168.1.100")
stopCluster(cl);
代码解释:
1、配置每台服务器的属性
list(host = "192.168.1.100", port = 10187, outfile = "~/log1.log", rshcmd = "ssh -p 22222")
服务器的配置选项如下:
| 类型 | 描述 | 默认值 |
| | | 10187 |
| | | 31536000(一年) |
| | 集群主机IP(或者域名) | Sys.info()["nodename"] |
| | | NULL |
| | 日记输出的文件路径 | NULL |
| | | |
| | | |
| | 服务器上R的安装路径 | |
| | | |
| | R程序的执行路径 | |
| | snow安装包的路径 | |
| | | |
| | | |
以上为R集群中的各个服务器的常用配置参数列表。
2、根据配置,创建R语言并行计算集群,master指明主节点,这个在我实践的过程中是必须配置的。
cl <- makeCluster(workerList, type="SOCK", master="192.168.180.216")
3、运算结束后,关闭集群机器
stopCluster(cl);
![[每日一答] [20151026] 搭建R的并行计算集群](http://i11.tietuku.com/269939b0fd574ae4.png)
一直纠结于R的大数据计算问题,希望可以找到一个彻底的方案解决它。而云服务器当然是解决这个问题的最佳方案,所以,至少从这方面入手。
R的云服务器部署有两种解决方案,一种是使用R语言的并行计算,另外一种是使用RHadoop框架。
RHadoop框架其实就是M / R 算法的R语言实现,需要使用者有M / R的计算基础,和R语言平常使用的计算方式有很大的不同,因此,我采用的解决方案是搭建R 的并行计算集群。
如果对R语言的并行计算不了解的同学,可以参考我发布的这篇文章——《R语言中的并行运算》,当然例子是引用其他博客的集合成的,呵呵。
在两台IP地址不同的Linux机器上面安装好R,然后每台机器都安装snow包,最后注意一点是,需要配置ssh的免密码登录,不同的linux用户需要配置自己的免密码登录,并且,需要用到R集群的用户都需要使用自己的账户安装snow包。
以下是测试代码:
library(snow);
workerList <- list(
list(host = "192.168.1.100", port = 10187, outfile = "~/log1.log", rshcmd = "ssh -p 22222"),
list(host = "192.168.1.101", port = 10187, outfile = "~/log2.log", rshcmd = "ssh -p 22222"),
list(host = "192.168.1.101", port = 10187, outfile = "~/log3.log", rshcmd = "ssh -p 22222")
);
cl <- makeCluster(workerList, type="SOCK", master="192.168.1.100")
stopCluster(cl);
代码解释:
1、配置每台服务器的属性
list(host = "192.168.1.100", port = 10187, outfile = "~/log1.log", rshcmd = "ssh -p 22222")
服务器的配置选项如下:
| 类型 | 描述 | 默认值 |
| | | 10187 |
| | | 31536000(一年) |
| | 集群主机IP(或者域名) | Sys.info()["nodename"] |
| | | NULL |
| | 日记输出的文件路径 | NULL |
| | | |
| | | |
| | 服务器上R的安装路径 | |
| | | |
| | R程序的执行路径 | |
| | snow安装包的路径 | |
| | | |
| | | |
以上为R集群中的各个服务器的常用配置参数列表。
2、根据配置,创建R语言并行计算集群,master指明主节点,这个在我实践的过程中是必须配置的。
cl <- makeCluster(workerList, type="SOCK", master="192.168.180.216")
3、运算结束后,关闭集群机器
stopCluster(cl);
![[每日一答] [20151026] 搭建R的并行计算集群](http://i11.tietuku.com/269939b0fd574ae4.png)