Microsoft r open что это

Изолированный сервер Machine Learning Server или R Server в SQL Server

SQL Server поддерживает установку изолированного сервера R Server или Machine Learning Server, который работает независимо от SQL Server. В зависимости от версии SQL Server изолированный сервер основан на среде R с открытым кодом и, возможно, на среде Python, поверх которых работают высокопроизводительные библиотеки Майкрософт, добавляющие возможности статистической и прогнозной аналитики. Библиотеки также обеспечивают задачи машинного обучения, реализованные как скрипты на R или Python.

В SQL Server 2016 этот компонент называется R Server (изолированный) и поддерживает только язык R. В SQL Server 2017 он называется Сервер машинного обучения (изолированный) и поддерживает как R, так и Python.

Изолированный сервер, установленный программой установки SQL Server, функционально эквивалентен версиям Microsoft Machine Learning Server, не зависящим от языка SQL, и поддерживает те же сценарии использования, в том числе удаленное выполнение, ввод в эксплуатацию и веб-службы, а также полную коллекцию библиотек R и Python.

Components

SQL Server 2016 поддерживает только язык R. SQL Server 2017 поддерживает R и Python. В приведенной ниже таблице описаны функции каждой версии.

Компонент	Описание
Пакеты R	RevoScaleR — это основная библиотека для масштабируемого R с функциями для обработки, преобразования, визуализации и анализа данных. MicrosoftML добавляет алгоритмы машинного обучения для создания пользовательских моделей, предназначенных для анализа текста, анализа изображений и анализа тональности. sqlRUtils предоставляет вспомогательные функции для помещения скриптов R в хранимую процедуру T-SQL, регистрации хранимой процедуры в базе данных и ее запуска из среды разработки R. Пакет olapR предназначен для определения запросов MDX на языке R.
Microsoft R Open (MRO)	Microsoft R Open (отставлено) — это дистрибутив R с открытым исходным кодом Майкрософт.
Средства R	Окна консоли и командные строки R являются стандартными средствами в дистрибутиве R. Они находятся в папке \Program files\Microsoft SQL Server\140\R_SERVER\bin\x64.
Примеры и скрипты R	Пакеты R и RevoScaleR с открытым кодом включают в себя встроенные наборы данных, позволяющие создавать и запускать скрипты с использованием предварительно установленных данных. Они находятся в папке \Program files\Microsoft SQL Server\140\R_SERVER\library\datasets and \library\RevoScaleR.
Пакеты Python	revoscalepy — это основная библиотека для масштабируемого Python с функциями для обработки, преобразования, визуализации и анализа данных. microsoftml добавляет алгоритмы машинного обучения для создания пользовательских моделей, предназначенных для анализа текста, анализа изображений и анализа тональности.
Средства Python	Встроенная программа командной строки Python полезна для автоматизированного тестирования и других задач. Она находятся в папке \Program files\Microsoft SQL Server\140\PYTHON_SERVER\python.exe.
Anaconda	Anaconda — это дистрибутив Python с открытым кодом, включающий в себя ряд важных пакетов.
Примеры и скрипты Python	Как и в случае с R, дистрибутив Python включает в себя встроенные наборы данных и скрипты. Данные revoscalepy находятся в папке \Program files\Microsoft SQL Server\140\PYTHON_SERVER\lib\site-packages\revoscalepy\data\sample-data.
Предварительно обученные модели на R и Python	Предварительно обученные модели создаются для конкретных вариантов использования и поддерживаются командой специалистов Майкрософт по обработке и анализу данных. Их можно использовать «как есть» для оценки положительной или отрицательной тональности в тексте или для обнаружения признаков на изображениях с использованием предоставляемых вами новых входных данных. Предварительно обученные модели поддерживаются и могут использоваться на изолированном сервере, но их нельзя установить с помощью программы установки SQL Server. Дополнительные сведения см. в статье Установка предварительно обученных моделей машинного обучения в SQL Server.

Использование изолированного сервера

Разработчики на R и Python обычно выбирают изолированный сервер, чтобы избежать ограничений памяти и процессорных ресурсов, налагаемых средами R и Python с открытым кодом. Библиотеки R и Python, которые выполняются на изолированном сервере, позволяют загружать и обрабатывать большие объемы данных на нескольких ядрах и объединять результаты в единый выходной объект. Высокопроизводительные функции обеспечивают как масштабирование, так и максимальную эффективность. Они предоставляют возможности прогнозной аналитики, статистического моделирования, визуализации данных, а также алгоритмы машинного обучения в рамках коммерческого серверного продукта, разработанного и поддерживаемого корпорацией Майкрософт.

В качестве независимого сервера, отделенного от SQL Server, среда R и Python настраивается, защищена и доступна с помощью базовой операционной системы и стандартных средств, предоставляемых на отдельном сервере, не являющимся SQL Server. Встроенная поддержка реляционных данных SQL Server отсутствует. Если нужно использовать данные SQL Server, можно создать объекты и подключения к источникам данных так же, как из любого клиента.

Как дополнение SQL Server, изолированный сервер также полезен в качестве эффективной среды разработки, если требуются как локальные, так и удаленные вычисления. Пакеты R и Python на изолированном сервере те же, что и при установке ядра СУБД, что обеспечивает переносимость кода и переключение контекста вычислений.

Как приступить к работе

Начните с установки, добавьте двоичные файлы в свое любимое средство разработки и напишите свой первый скрипт.

Шаг 1. Установка программного обеспечения

Установите одну из следующих версий:

Machine Learning Server (изолированный) в SQL Server 2017
R Server (изолированный) в SQL Server 2016 — только R

Шаг 2. Настройка средства разработки

На изолированном сервере часто работают локально с использованием среды разработки, установленной на том же компьютере.

Настройка средств R
Настройка средств Python

Шаг 3. Создание первого скрипта

Напишите скрипт R или Python, используя функции из RevoScaleR и revoscalepy, а также алгоритмы машинного обучения.

Изучите R и RevoScaleR в 25 функциях: начните с базовых команд R, а затем перейдите к распространяемым аналитическим функциям RevoScaleR, которые обеспечивают высокую производительность и масштабирование решений R. Она содержит параллелизуемые версии многих популярных пакетов моделирования для R, например кластеризацию методом К-средних, деревья и леса принятия решений, а также средства для работы с данными.
Краткое руководство. Пример двоичной классификации с пакетом Microsoftml Python: создание модели двоичной классификации с помощью функций из microsoftml и известного набора данных рака молочной железы.

Выберите оптимальный язык для задачи. R лучше всего подходит для статистических вычислений, проведение которых с помощью SQL может вызывать трудности. Для операций на основе набора данных используйте возможности SQL Server для достижения максимальной производительности. Для очень быстрых вычислений на основе столбцов используйте выполняющееся в памяти ядро СУБД.

Шаг 4. Эксплуатация решения

Изолированные серверы могут использовать функцию ввода в эксплуатацию сервера Microsoft Machine Learning Server, не зависящего от языка SQL. Настройка изолированного сервера для ввода в эксплуатацию дает следующие преимущества: развертывание и размещение кода как веб-служб, проведение диагностики и проверка емкости веб-служб.

Шаг 5. Обслуживание сервера

Для SQL Server регулярно выпускаются накопительные пакеты обновления. Их применение повышает безопасность и расширяет функциональные возможности существующей установки.

Описание новых возможностей и изменений см. в статье Загружаемые файлы CAB, а также на веб-страницах накопительных пакетов обновления для SQL Server 2016 и SQL Server 2017.

Дополнительные сведения о применении обновлений к существующему экземпляру см. в разделе Применение обновлений инструкций по установке.

Общие сведения о Microsoft R Open

Обработка и анализ данных является стратегической инициативой для большинства компаний сегодня, которые стремятся понять богатство данных, которые теперь доступны для них для понимания шаблонов, создания прогнозов и создания продуктов и процессов, управляемых данными. Язык R с открытым исходным кодом является lingua franca обработки и анализа данных, и ранжирован #6 в популярности среди всех языков IEEE. Если вы еще не узнали, что такое R, этот вебинар поможет вам ускорить историю языка R, как он используется, и почему он так популярен для разработки расширенных аналитических приложений.

В этом 50-минутном вебинаре Дэвид Смит, руководитель сообщества R в Корпорации Майкрософт, введет язык R и сообщество, и даст примеры R в действии. В вебинаре Дэвид продемонстрирует Microsoft R Open, расширенное распространение R с открытым исходным кодом Майкрософт. Он также будет охватывать улучшения, включенные в Microsoft R Open, включая улучшенную производительность, функции воспроизведения программирования в R и новый CRAN Time Machine для воспроизведения анализа данных с пакетами R.

Корпорация Майкрософт представляет новый бесплатный клиент Microsoft R

На этой неделе корпорация Майкрософт объявила о доступности клиента Microsoft R, создав гораздо более доступный бесплатный вариант классического клиента для пользователей Microsoft R Server.

Клиент Microsoft R — это бесплатное средство обработки и анализа данных, поддерживаемое сообществом, для высокопроизводительной аналитики. Клиент R построен на основе Microsoft R Open, чтобы использовать любые пакеты R открытый код R для создания аналитики. Кроме того, клиент R представляет мощную технологию ScaleR и ее собственные функции, чтобы воспользоваться параллелизацией и удаленными вычислениями.

Клиент R позволяет работать с рабочими данными локально с помощью полного набора функций ScaleR, но существуют некоторые ограничения. В собственном коде данные, которые должны обрабатываться, должны соответствовать локальной памяти, и обработка ограничена до двух потоков для функций ScaleR. Чтобы воспользоваться масштабируемостью диска, производительностью и скоростью, можно отправить контекст вычислений в рабочий экземпляр Microsoft R Server, например sql Server R Services и R Server для Hadoop.

В этом видео представлен клиент R и краткий обзор функций ScaleR.

Поддержка Microsoft Machine Learning Server (R Server) завершается 1 июля 2022 г.

Перейдите сюда, чтобы найти информацию про жизненный цикл вашего продукта.

Поддержка Microsoft Machine Learning Server (прежнее название — Microsoft R Server) завершится 1 июля 2022 г.*. Эта дата отражает продление поддержки сроком на 12 месяцев, что обеспечивает существующим клиентам возможность миграции.

Microsoft R-Open (MRO) — это распределение среды выполнения R в корпорации Майкрософт. Azure SQL и SQL Server также начнут поэтапное использование MRO в пользу распределения R по CRAN. Версия 4.0.2 станет последним выпуском среды выполнения MRO, а эксплуатация моделей машинного обучения с использованием MRO в пуле приложений кластеров больших данных SQL Server будет завершена.

Следующая версия SQL Server не будет использовать Machine Learning Server (изолированная версия) в процессе установки. Это изменение не затронет службы машинного обучения SQL.

Клиентам рекомендуется изучать программирование в R с помощью управляемого экземпляра Azure SQL или SQL Server 2019, используя службы машинного обучения SQL для выполнения собственной оценки. Для распределенной обработки клиентов R корпорация Майкрософт рекомендует использовать кластеры больших данных SQL Server, включающие SparkR и sparklyr в рамках распределения Apache Spark. Клиенты, использующие MRO в качестве среды выполнения R, должны перейти к распределению R по CRAN. Дополнительные сведения о полном списке вариантов миграции и рекомендуемых действиях см. здесь.

* Версия 9.4.7 станет последним выпуском.