在Apache Spark中使用R
有一些选项可以访问Spark中的R库：
rscala这样的语言绑定 它看起来像SparkR是相当有限的，OpenCPU需要保持额外的服务和绑定可能有稳定性问题。 是否还有其他特定于Spark架构的特性使得使用任何解决方案都不容易。
你有任何集成R和Spark的经验可以分享吗？
该项目的主要语言似乎是一个重要因素。
如果 pyspark是一个很好的方式来使用Spark（意思是你从Python访问Spark），那么通过rpy2访问R应该与使用任何其他具有C扩展的Python库不同。
有用户这样做的报告（尽管偶尔会出现一些问题，例如我如何分区持有R功能的pyspark RDD或在安装过程中是否可以将外部（R）进程连接到每个pyspark工作人员）
如果R是您的主要语言，那么帮助SparkR作者提供反馈或贡献，如果您觉得存在限制，那么该方法将会走向成功。
如果你的主要语言是Scala， rscala应该是你的第一次尝试。
虽然组合pyspark + rpy2看起来是最“成熟”的（如“使用最古老，也许是最受pyspark + rpy2代码库”），但这并不一定意味着它是最好的解决方案（并且年轻的软件包可以快速发展）。 我会先评估项目的首选语言，然后尝试从中选择。