Făcuți unul pentru celălalt

R îți permite să scrii cod de analiză a datelor rapid. Cu puțină atenție, poți face codul ușor de citit, ceea ce înseamnă că îl poți și întreține cu ușurință. În multe situații, R este suficient de rapid și pentru rularea codului.

Din păcate, R necesită ca toate datele să fie analizate în memorie (RAM), pe o singură mașină. Acest lucru limitează cantitatea de date pe care o poți analiza cu R. Există câteva soluții la această problemă, printre care și Spark.

Spark este o platformă open source de calcul distribuit. Asta înseamnă că îți poți distribui datele și calculele pe mai multe mașini, putând astfel analiza practic o cantitate nelimitată de date. Cele două tehnologii se completează excelent una pe cealaltă. Folosind R și Spark împreună, poți scrie cod rapid și rula cod rapid!

sparklyr este un pachet R care îți permite să scrii cod R pentru a lucra cu date dintr-un cluster Spark. Are o interfață dplyr, ceea ce înseamnă că poți scrie cod R în stilul dplyr (mai mult sau mai puțin) la fel, indiferent dacă lucrezi cu date de pe mașina ta sau de pe un cluster Spark.

Strigă dacă vrei să mergi mai repede!