介紹
這篇文章的目的是幫助您開始使用 Apache Zeppelin Notebook，它可以滿足您用R做數(shù)據(jù)科學(xué)的需求廓啊。Zeppelin 是一個(gè)提供交互數(shù)據(jù)分析且基于Web的筆記本乾巧。方便你做出可數(shù)據(jù)驅(qū)動的嫉柴、可交互且可協(xié)作的精美文檔硅卢，并且支持多種語言低飒，包括 Scala(使用 Apache Spark)仁期、Python(Apache Spark)桑驱、SparkSQL竭恬、 Hive、 Markdown熬的、Shell等等痊硕。
然而,最新的官方版本是0.5.0,還不支持R編程語言。幸運(yùn)的是押框，NFLabs公司做了個(gè)開源項(xiàng)目,讓我提供了一個(gè)R的編譯器岔绸。這個(gè)編譯器是讓用戶可以使用自定義的語言做為數(shù)據(jù)處理后端的一個(gè) Zeppelin 插件。例如在 Zeppelin 使用scala代碼,您需要一個(gè) Spark編譯器恋拷。所以,如果你像我一樣有足夠的耐心將R集成到Zeppelin中制轰， 這個(gè)教程將告訴你怎樣從源碼開始配置 Zeppelin和R宇植。
準(zhǔn)備工作
我們將通過Bash shell在Linux上安裝Zeppelin。如果您使用的是Windows操作系統(tǒng),我建議您安裝和使用Cygwin終端(它提供功能類似于Windows上的Linux發(fā)行版)刚盈。
確保 Java 1.7 和 Maven 3.2.x 是已經(jīng)安裝并且配置到環(huán)境變量中。
從源代碼構(gòu)建 Zeppelin
第一步:下載 Zeppelin 源代碼
去這github分支下載源代碼挂脑，將這個(gè)鏈接復(fù)制并粘貼到你的瀏覽器:https://github.com/elbamos/incubator-zeppelin/tree/rinterpreter
在我的例子中我已經(jīng)下載并解壓文件夾在我的桌面
第二步:構(gòu)建 Zeppelin
假設(shè)你是安裝在單機(jī)藕漱，打開你的Terminal，運(yùn)行下面的代碼崭闲。如果你是安裝在一個(gè)集群肋联，會稍微復(fù)雜一點(diǎn)，具體步驟 Zeppelin 的文檔中找到刁俭。
$ cd Desktop/Apache/incubator-zeppelin-rinterpreter
$ mvn clean package -DskipTests
這將需要約16分鐘構(gòu)建Zeppelin橄仍、Spark,所有引擎包括R,markdown,shell,hive等。(見下圖)牍戚。
第三步:啟動 Zeppelin
運(yùn)行以下命令啟動Zeppelin：
$ ./bin/zeppelin-daemon.sh start
打開web瀏覽器沙兰，訪問http://localhost:8080。此時(shí),您已經(jīng)準(zhǔn)備好開始在 Zeppelin 用代碼創(chuàng)建交互筆記本翘魄。
交互式數(shù)據(jù)科學(xué)
第一步:創(chuàng)建一個(gè)筆記本
單擊下拉箭頭旁邊的“筆記本”頁面,點(diǎn)擊“創(chuàng)建新報(bào)告”鼎天。
給你的筆記本命名或您可以使用指定的缺省名稱。我命名為“Base R in Apache Zeppelin”暑竟。
第二步:開始你的分析
如下圖所示斋射，調(diào)用R可以用“%spark.r”或“%spark.knitr”標(biāo)簽。首先讓我們用 markdown 寫一些介紹但荤。
根據(jù)我們可能需要我們的分析罗岖，現(xiàn)在讓我們來安裝一些包。
我們將使用“flights”數(shù)據(jù)集顯示2013年離開紐約的航班腹躁，現(xiàn)在讓我們讀取數(shù)據(jù)集桑包。
現(xiàn)在,讓我們使用dplyr(用管道符)做一些數(shù)據(jù)操作。
您還可以使用條形圖和餅圖來可視化一些描述性統(tǒng)計(jì)數(shù)據(jù)纺非。
現(xiàn)在,讓我們與ggplot2共舞哑了。
現(xiàn)在,讓我們用caret包做一些統(tǒng)計(jì)的機(jī)器學(xué)習(xí)赘方。
最后，繪制幾個(gè)地圖弱左。
結(jié)束語
Zeppelin 幫助您使用多種編程語言創(chuàng)建交互式文檔和美麗的圖表窄陡。這篇文章的目的是幫助你配置 Zeppelin 和 R。希望這牛逼的的項(xiàng)目管理委員會(PMC)的開源項(xiàng)目可以用R引擎發(fā)布下一個(gè)版本拆火。到時(shí)候安裝 Zeppelin肯定會更快更方便,而不必從源代碼構(gòu)建跳夭。
還值得一提的是,還有另一個(gè)R的編譯器是由 Data Layer 提供的。你可以在這里找到說明如何使用:https://github.com/datalayer/zeppelin-R们镜。
你可以嘗試著兩個(gè)編譯器币叹，然后然后在下面的評論區(qū)分享一下你的使用體驗(yàn)。
Data Layer提供的編譯器
RCharts
Rchats Map
GoogleViz
Scala R Binding
R Scala Dataframe Binding
SparkR
用Docker鏡像部署
為了您的方便, Datalayer 為Apache Zeppelin 提供了一個(gè)最新的 Docker鏡像模狭。你可以通過執(zhí)行下面的命令來獲取鏡像
docker pull datalayer/zeppelin-rscala
Run the Zeppelin notebook with:
docker run -it -p 2222:22 -p 8080:8080 -p 4040:4040 datalayer/zeppelin-rscala
現(xiàn)在套硼，你可以去http://localhost:8080測試這個(gè)R教程筆記了。
展望
作為后續(xù)這篇文章中,我們將看到在 Zeppelin 中如何使用 Apache Spark(尤其是SparkR)胞皱。
更新
此小節(jié)由于原文有可能變動邪意，故不作翻譯，望讀者原諒反砌，可以直接訪問原文查看最新的更新情況雾鬼。
本文已獲得原作者：Daniel Emaasit 授權(quán)，并由 HarryZhu 翻譯宴树。
【原文地址】：http://blog.sparkiq-labs.com/2015/11/16/interactive-data-science-with-r-in-apache-zeppelin-notebook/
作為分享主義者(sharism)策菜，本人所有互聯(lián)網(wǎng)發(fā)布的圖文均遵從CC版權(quán)，轉(zhuǎn)載請保留作者信息并注明作者 Harry Zhu 的 FinanceR專欄:https://segmentfault.com/blog/harryprince酒贬，如果涉及源代碼請注明GitHub地址：https://github.com/harryprince又憨。微信號: harryzhustudio
商業(yè)使用請聯(lián)系作者。
