R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。 R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。 要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。 关于作者： 张丹(Conan), 程序员R,Nodejs,Java weibo：@Conan_Z blog: http://blog.fens.me email: bsspirit@gmail.com 转载请注明出处： http://blog.fens.me/r-docker 前言 R语言作为数据分析的工具，已经广泛被大家所接受并使用。但要把R语言项目工程化，部署到生产环境，提供在线用户使用却是难度很大的。主要原因就是R本身是单线程的，不支持并行处理。 当R遇到上了Docker会发生什么呢？本文将做详细的解释。 目录 当R遇到上了Docker 用Docker来管理R的程序 1. 当R遇到上了Docker 前言中提到，R运行时环境是单线程的，不支持并行处理，所以我们很难把R直接应用到生产环境中。当R遇到上了Docker，就出现了一个可以解决上面问题的方案。 通过Docker的容器化技术，把R的应用Docker化。每当用户发出请求，程序可以自动地在线启动一个Docker化的容器，来装载R的任务，部署，运行，计算，并返回结果。 从极端的情况考虑，如果要面对100万次并发的请求，我们需要启动100万个Docker的容器，每次容器单独执行自己的任务。但这种情况是要避免的，因为R本身来说，是做数据任务的，并不善于处理web是请求。如果可以把用户的大批量请求，转换成少量的数据计算的任务，那么这个设计就完美地解决了R由于并发而不能被工程化的问题。 比如，针对大量用户的重复性计算，把R的计算结果保存在缓存池中。 2. 用Docker来管理R的程序 设计方案定好，接下来就是就是动手实践了。 操作过程分成4步： 1. 要有Docker的环境 2. 找到第三方成熟的R语言的Docker镜像 3. 把我们的R程序装进去 4. 打包，运行，上传 1. Docker的环境。 安装Docker环境，就不在本文中介绍了，Docker环境的安装，请参考文章在Ubuntu中安装Docker。 2. 找到第三方成熟的R语言的Docker镜像。 在docker hub中，搜索关键字 r, 共有535条结果。我们直接选用，排在第一位的r-base做为Docker容器的基础就行了。 从仓库中，下载r-base镜像。 # 下载r-base镜像，大概300mb要下一会儿 ~ sudo docker pull r-base Using default …
Read more →