R作为开源的数据统计分析语言正潜移默化的在企业中扩大自己的影响力。特有的扩展插件可提供免费扩展，并且允许R语言引擎运行在Hadoop集群之上。如今，Oracle的大数据方案中也出现了R语言包的身影。
R语言是主要用于统计分析、绘图的语言和操作环境。R本来是由来自新西兰奥克兰大学的Ross Ihaka和Robert Gentleman开发。（也因此称为R）现在由“R开发核心团队”负责开发。R是基于S语言的一个GNU项目，所以也可以当作S语言的一种实现，通常用 S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。
R的源代码可自由下载使用，亦有已编译的可执行文件版本可以下载，可在多种平台下运行，包括UNIX（也包括FreeBSD和Linux）、Windows和MacOS。R主要是以命令行操作，同时有人开发了几种图形用户界面。
现在，统计工作者可利用R语言，R语言擅长在Hadoop分布式文件系统中存储的非结构化数据的分析。R现在还可以运行在HBase这种非关系型的数据库以及面向列的分布式数据存储之上。其主要模仿了Google的BigTable。这基本上等同于使用Hadoop来持有结构化数据的数据库。就像Apache软件基金会Hadoop项目的子项目HBase一样。同时R已经可以与Cassandra
从Cassandra读取数据
先觉条件是RJDBC模块，并且Cassandra版本至少在1.0或以上以及Cassandra JDBC驱动。在以下示例中驱动和Cassandra位于同一目录
The example code assumes you have run through the Portfolio Manager Demo that comes with DSC/DSE
#Load RJDBC library(RJDBC) #Load in the Cassandra-JDBC diver cassdrv <- JDBC("org.apache.cassandra.cql.jdbc.CassandraDriver", list.files("/Users/jake/workspace/bdp/resources/cassandra/lib/",pattern="jar$",full.names=T)) #Connect to Cassandra node and Keyspace casscon <- dbConnect(cassdrv, "jdbc:cassandra://localhost:9160/PortfolioDemo") #Query timeseries data res <- dbGetQuery(casscon, "select * from StockHist limit 10") #Transpose tres <- t(res[2:10]) #Plot boxplot(tres,names=res$KEY,col=topo.colors(length(res$KEY))) title("BoxPlot of 10 Stock Price Histories")
而RCassandra包也是不错的选择
R、Cassandra和Hive
利用R访问Hive和Cassandra，在这里使用DataStax Enterprise，首先启动Hive服务器：dse hive –service hiveserver
#Load RJDBC library(RJDBC) #Load Hive JDBC driver hivedrv <- JDBC("org.apache.hadoop.hive.jdbc.HiveDriver", c(list.files("/Users/jake/workspace/bdp/resources/hadoop",pattern="jar$",full.names=T), list.files("/Users/jake/workspace/bdp/resources/hive/lib",pattern="jar$",full.names=T))) #Connect to Hive service hivecon <- dbConnect(hivedrv, "jdbc:hive://localhost:10000/default") #Create Hive table mapping to Cassandra ColumnFamily tmp <- dbSendQuery(hivecon,"create external table StockHist(row_key string, column_name string, value double) STORED BY 'org.apache.hadoop.hive.cassandra.CassandraStorageHandler' WITH SERDEPROPERTIES ('cassandra.ks.name' = 'PortfolioDemo')") #Run Hive Query to get returns hres <- dbGetQuery(hivecon,"select a.row_key ticker, AVG((b.value - a.value)) ret from StockHist a JOIN StockHist b on (a.row_key = b.row_key AND date_add(a.column_name,10) = b.column_name) group by a.row_key order by ret") #Plot barplot(hres[,2],names.arg=hres[,1],col = topo.colors(length(hres[,2])), border = NA) title("Avg 10 Day Return for all Stocks")
结论
以上事例显示出利用R访问Cassandra数据是非常简单的，而两者的结合也为统计方法增加了强大的组合。