问题2: Mahout同样可以做数据挖掘和机器学习，和R语言的区别是什么？下面我尝试着做一个解答：问题1: Hadoop的家族如此之强大，为什么还要结合R语言？
a. Hadoop家族的强大之处，在于对大数据的处理，让原来的不可能（TB,PB数据量计算），成为了可能。
b. R语言的强大之处，在于统计分析，在没有Hadoop之前，我们对于大数据的处理，要取样本，假设检验，做回归，长久以来R语言都是统计学家专属的工具。
c. 从a和b两点，我们可以看出，hadoop重点是全量数据分析，而R语言重点是样本数据分析。 两种技术放在一起，刚好是最长补短！
d. 模拟场景：对1PB的新闻网站访问日志做分析，预测未来流量变化
d1:用R语言，通过分析少量数据，对业务目标建回归建模，并定义指标d2:用Hadoop从海量日志数据中，提取指标数据d3:用R语言模型，对指标数据进行测试和调优d4:用Hadoop分步式算法，重写R语言的模型，部署上线这个场景中，R和Hadoop分别都起着非常重要的作用。以计算机开发人员的思路，所有有事情都用Hadoop去做，没有数据建模和证明，”预测的结果”一定是有问题的。以统计人员的思路，所有的事情都用R去做，以抽样方式，得到的“预测的结果”也一定是有问题的。所以让二者结合，是产界业的必然的导向，也是产界业和学术界的交集，同时也为交叉学科的人才提供了无限广阔的想象空间。问题2: Mahout同样可以做数据挖掘和机器学习，和R语言的区别是什么？
a. Mahout是基于Hadoop的数据挖掘和机器学习的算法框架，Mahout的重点同样是解决大数据的计算的问题。
b. Mahout目前已支持的算法包括，协同过滤，推荐算法，聚类算法，分类算法，LDA, 朴素bayes，随机森林。上面的算法中，大部分都是距离的算法，可以通过矩阵分解后，充分利用MapReduce的并行计算框架，高效地完成计算任务。
c. Mahout的空白点，还有很多的数据挖掘算法，很难实现MapReduce并行化。Mahout的现有模型，都是通用模型，直接用到的项目中，计算结果只会比随机结果好一点点。Mahout二次开发，要求有深厚的JAVA和Hadoop的技术基础，最好兼有 “线性代数”，“概率统计”，“算法导论” 等的基础知识。所以想玩转Mahout真的不是一件容易的事情。
d. R语言同样提供了Mahout支持的约大多数算法(除专有算法)，并且还支持大量的Mahout不支持的算法，算法的增长速度比mahout快N倍。并且开发简单，参数配置灵活，对小型数据集运算速度非常快。
虽然，Mahout同样可以做数据挖掘和机器学习，但是和R语言的擅长领域并不重合。集百家之长，在适合的领域选择合适的技术，才能真正地“保质保量”做软件。
如何让Hadoop结合R语言？
从上一节我们看到，Hadoop和R语言是可以互补的，但所介绍的场景都是Hadoop和R语言的分别处理各自的数据。一旦市场有需求，自然会有商家填补这个空白。
1）. RHadoop
RHadoop是一款Hadoop和R语言的结合的产品，由RevolutionAnalytics公司开发，并将代码开源到github社区上面。RHadoop包含三个R包 (rmr，rhdfs，rhbase)，分别是对应Hadoop系统架构中的，MapReduce, HDFS, HBase 三个部分。
2）. RHiveRHive是一款通过R语言直接访问Hive的工具包，是由NexR一个韩国公司研发的。
3）. 重写Mahout用R语言重写Mahout的实现也是一种结合的思路，我也做过相关的尝试。
4）.Hadoop调用R
上面说的都是R如何调用Hadoop，当然我们也可以反相操作，打通JAVA和R的连接通道，让Hadoop调用R的函数。但是，这部分还没有商家做出成形的产品。
5. R和Hadoop在实际中的案例
R和Hadoop的结合，技术门槛还是有点高的。对于一个人来说，不仅要掌握Linux, Java, Hadoop, R的技术，还要具备 软件开发，算法，概率统计，线性代数，数据可视化，行业背景 的一些基本素质。在公司部署这套环境，同样需要多个部门，多种人才的的配合。Hadoop运维，Hadoop算法研发，R语言建模，R语言MapReduce化，软件开发，测试等等。所以，这样的案例并不太多。
1.Linux与R的学习先后问题：
师姐说后面作生信分析要用Linux环境进行数据集群分析，所以目前首要任务是熟悉R语言和Python的操作，后面转到Linux环境运行操作大同小异。
2.R及Rstudio的安装问题：
装了Rstudio之后显示没有装R，解决方案是R和Rstudio安装时选择默认路径，是这两个软件装在同一个目录下。
3.输入demo()后显示
>demo()
Warning message:
In file.show(outFile, delete.file = TRUE, title = paste("R", tolower(x$title))) :
file.show():不存在'C:\Users\灏忔湪浜榎AppData\Local\Temp\RtmpENM66s\RpackageIQR28b82f592cbb'这个文件
（1）找出问题：R存在一个中文目录底下，会出现错误，所以首先第一步要将文件名（即user底下的名字）改为英文的（注：以后文件名尽量设置为英文的，才方便识别）
（2）解决问题：因为win为家庭版，所以没有在计算机管理中没有找到本地用户和组，借鉴了CSDN论坛中一位大神经验贴的后半部分【 【设置】Win10如何更改C:\Users\下的用户名_胡振涛-CSDN博客_如何更改users下的用户名 】，从win+R输入regedit(打开注册表）那块开始，后面将自己中文的文件名改成英文就好了，然后注销再打开，运行R后，输入demo()，显示界面如下图。
4.options()是个啥，没整明白？
options：指定系统参数
5. runif()函数
runif (random samples from uniform distribution) 均匀分布中的随机变量
例如：runif(242, min =-0.3,max=0.3) 从-0.3 到0.3 随机产生242个值
6.包及库
1——已经安装的包
2——用来放R安装时自带的包（如base，state等）
7.函数括号内加“”的规律：外部的东西要加引号。安装以后内部的东西不用加引号。
8.批处理命令打出来很奇怪？
9.返回值？——一个运算函数被赋予具体数据后得到值return到这个函数变量上（操作型函数没有返回值）
10.help(package="vcd"/"ggplot2")，命令后help界面无显示
未找到问题原因，解决方案为在CRAN上直接看好了。
11.安装ggplot2包后，输入library(ggplot2)，没有反应——说明你装上了。。(有些包library成功是没有输出的）
相反的是可以看到如果安装的是tidyverse，输入library(tidyverse)，是有输出的
12.Rstudio工作路径&库安装路径修改（我用#CSDN#这个app发现了有技术含量的博客，小伙伴们求同去《Rstudio更改工作路径&安装包路径》, 一起来围观吧 https://blog.csdn.net/princessyang/article/details/105731349?utm_source=app&app_version=4.7.1&code=app_1562916241&uLinkId=usr1mkqgl919blen）
工作路径修改
getwd（）——得到目前的工作路径
setwd（“目标工作路径”）
getwd（）——就可以看到路径更改了
库安装路径修改
打开
13.忘了在操作台输入啥可以显示那一长条的包了？
14.数据集和数据结构
1）数据集就是多个数据组成的集合
2）数据结构就是数据集的结构
15.rep函数
rep(1:4, each = 2)——1到4，每个element循环2次
[1] 1 1 2 2 3 3 4 4
rep(1:4, c(2,2,2,2))——1到4，对应位置上的element循环2次
[1] 1 1 2 2 3 3 4 4
rep(1:4, c(2,1,2,1))——1到4，对应位置上的element有的循环1次，有的循环2次
[1] 1 1 2 3 3 4
16.rep(1,40*(1-.8))什么意思？
就是说1这个数字，重复40*（1-0.8）=8遍，但其实只重复7遍，因为计算机返回的结果比8稍小一点。
如果想要得到循环8次，可以使用这个函数：rep(1,round(40*(1-.8)))
17.矩阵
（1）只有在数据长度不是矩阵行数或者列数整数倍的时候才会报错，在矩阵列数X行数所需数据大于数据长度时，会再次重复排列数据，但不会报错。
（2）矩阵默认按照 列 的顺序来排列数据，
matrix(x,5,byrow = T) 按照 行 的顺序排列
matrix(x,5,byrow = F) 按照 列 的顺序排列
（3）以字符型向量添加行名和列名
>rnames <- c("R1","R2","R3","R4")
>cnames <- c("C1","C2","C3","C4","C5")
>dimnames(m) <- list(rnames,cnames)
（4）矩阵汇总
（5）矩阵索引
y[1,2]——y矩阵中第1行，第2列
18.数组
