SparkR学习路径指南

如果对Spark的世界感兴趣，可以阅读这篇文章，或者观看这个视频了解更多Spark为商业世界带来的价值。对于喜欢阅读的人来说，可以跳过视频，查看这个推荐的博客。

SparkR是什么？

作为R语言用户，将重点放在SparkR上。R是数据科学中最广泛使用的编程语言之一，以其简单的语法和运行复杂算法的能力而闻名，可能是初学者的首选语言。然而，R的一个限制是其数据处理能力仅限于单个节点上的内存，这限制了可以用R处理的数据量。这就是为什么R在尝试处理大型数据集时会内存不足。为了克服这个内存问题，可以使用SparkR。

Apache Spark为包括Python、Scala、Java、SQL在内的多种语言提供了API，这些API作为连接这些工具与Spark的桥梁。对于SparkR的详细视图，这个视频是必看的。

设置机器

如果仍然在阅读，假设这个新技术激发了好奇心，将决心完成这个旅程。那么，让继续设置机器。要安装SparkR，首先需要在系统中安装Spark，因为它在后端运行。以下资源将帮助在各自的操作系统上安装：

成功安装后，只需几个额外的步骤就可以在安装Spark后启动SparkR。以下资源将帮助在本地启动SparkR：

掌握基础知识

从R开始：尽管假设对R感兴趣，如果不熟悉R，这个DataCamp的课程将帮助开始学习R。

数据库处理与SQL：SQL在SparkR中广泛使用，以便使用简单的命令轻松实现功能。这有助于减少必须编写的代码行数，并提高操作速度。如果不熟悉SQL，应该完成Codecademy的这个课程。

使用SparkR和SQL进行数据探索

一旦基础知识就绪，是时候学习如何使用SparkR和SQL工作了。SparkR使能够使用R和SQL的组合进行许多数据探索操作。最常见的包括select、collect、groupBy、summarize、subset和arrange。可以通过这篇文章学习这些操作。