有人对 SparkR 与 sparklyr 的优缺点有一个概述吗？谷歌没有产生任何令人满意的结果，两者看起来都非常相似。尝试两者，SparkR 看起来要麻烦得多，而 sparklyr 则非常简单（既要安装又要使用，尤其是使用 dplyr 输入）。sparklyr 只能用于并行运行 dplyr 函数还是“正常”R-Code？
最好的
问问题
21264 次
7 回答
36
SparkR 的最大优势是能够在 Spark 上运行用 R 编写的任意用户定义函数：
https://spark.apache.org/docs/2.0.1/sparkr.html#applying-user-defined-function
由于 sparklyr 将 R 转换为 SQL，因此您只能在mutate语句中使用非常小的函数集：
http://spark.rstudio.com/dplyr.html#sql_translation
Extensions ( http://spark.rstudio.com/extensions.html#wrapper_functions )在一定程度上缓解了这种缺陷。
除此之外，sparklyr 是赢家（在我看来）。除了使用熟悉的函数的明显优势之外，sparklyr 还为 MLlib ( http://spark.rstudio.com/mllib.html ) 和上面提到的扩展dplyr提供了更全面的 API 。
于 2016-10-11T19:24:56.633 回答
6
有关概述和深入的详细信息，您可以参考文档。从文档中引用，“sparklyr 包提供了一个完整的 dplyr 后端”。这反映出 sparklyr不是原始 apache spark 的替代品，而是对其的扩展。
继续讨论它在独立计算机上的安装（我是 Windows 用户），您要么需要下载并安装新的 RStudio Preview 版本，要么在 RStudio shell 中执行以下一系列命令，
> devtools::install_github("rstudio/sparklyr")
如果您没有安装 readr 和 digest 软件包，请安装它们。
install.packages("readr")
install.packages("digest")
library(sparklyr)
spark_install(version = "1.6.2")`
安装软件包后，您尝试使用命令连接到本地 spark 实例；
sc <- spark_connect(master = "local")
您可能会看到一个错误，例如
在 C:\spark-1.6.2\tmp\hadoop 下创建了默认的 hadoop bin 目录 错误：
要在 Windows 上运行 Spark，您需要 Hadoop winutils.exe 的副本：
- 下载 Hadoop winutils.exe从
- 将 winutils.exe 复制到 C:\spark-1.6.2\tmp\hadoop\bin
或者，如果您使用的是 RStudio，您可以安装包含 Hadoop winutils.exe 的嵌入式副本的RStudio 预览版。
错误解决方案已提供给您。前往 github 帐户，下载 winutils.exe 文件并将其保存到该位置，C:\spark-1.6.2\tmp\hadoop\bin然后再次尝试创建 spark 上下文。去年我在我的博客上发表了一篇综合文章，详细介绍了在 windows 环境下安装和使用 sparkR。
话虽如此，我建议不要通过在通常的 RStudio 上安装本地 spark 实例的痛苦路径，而是尝试RStudio 预览版。它将大大节省您创建 sparkcontext 的麻烦。继续往下看，这里有一篇关于如何使用 sparklyr 的详细文章R-bloggers。
我希望这有帮助。
干杯。
于 2016-09-20T12:34:37.007 回答
6
作为一个包装器，有一些限制sparklyr。例如，copy_to()用于创建 Spark 数据框不会保留格式化为日期的列。使用SparkR,as.Dataframe()保留日期。
于 2016-11-29T08:47:48.113 回答
4
...从哈维尔添加到上述内容...
到目前为止，我可以找到，sparklyr 不支持 do()，仅当您想要执行 mutate、summarise 等允许的操作时才使用它。在引擎盖下，sparklyr 正在转换为 Spark SQL，但不支持 (还没有？）将 do() 转换为类似 UDF 的东西。
此外，到目前为止，我可以找到 sparklyr 不支持 tidyr，包括 unnest()。
于 2016-10-04T21:16:49.020 回答
3
由于我没有看到太多赞成的答案，sparkR我只想提一下，作为一个新手，我开始同时学习它们，我发现 sparkR api 与我使用的那个更密切相关 standard scala-spark。当我研究它们时，我的意思是我想使用rstudio和 scala，我需要在 sparkr 和 sparklyr 之间进行选择。将 sparkR 与 scala-spark api 一起学习，似乎比学习 sparklyr 更省力，至少在我看来，这与学习 sparklyr 不同。然而 sparklyr 似乎更强大。所以对我来说，这是一个问题，你是想使用更强大和更常用的库并得到社区的更多支持，还是妥协并使用与 scala-spark 中更相似的 api，这至少是我对选择的看法。
于 2018-01-13T07:21:47.540 回答
