r和hadoop在資料分析領域顯示了其強大的功能，兩者都是開源的，而其核心也都是面向資料的，故而兩者的結合似乎成了順其自然的事情了。這也為中小型企業在大資料時代進行多元、複雜、大批量的資料分析提供了一種解決途徑。
就目前而言，r與hadoop的結合品rhadoop已經實現了r與hdfs檔案系統的訪問、讀寫；與mapreduce的互通；與hbase資料庫的互通；與streaming計算模式的互通。當然以上的融合主要是revolution analytics公司的努力，在非結構化資料處理與r的結合方面也有一些其他的成果，如r與mongdb的融合。這些實現為中小企業進行大資料處理展現了一縷曙光，其不再需要大批量的技術人員，學習難度也大大降低，更重要的是資金成本也不會增加很多。
正是rhadoop的這些優勢，促使了越來越多的人關注r語言，也關注r在企業資料分析中的應用。國內而言，已經有京東、numerinfo等一些企業在用rhadoop解決一些實際問題，也有張丹、李艦等人在學習推廣rhadoop的應用，更多的資料還是**於revolution analytics公司**（及github（而且有大批的跟隨者開始追逐這一領域，比如統計之都的眾多網友。
在未來，期望r能有hadoop有更深層次的融合，能夠融合hadoop 2.x中的最新技術，能與yarn平台融合在一起，支援如圖計算等其他的更多的計算框架，使得大資料在r中的分析和應用更加豐富多彩。
應用rhadoop解決問題，乙個好的方面，r已經和許多高階語言、資料庫都有良好的融合，結合hadoop更能從乙個問題的巨集觀層面，更好的把握問題。畢竟目前的困境是解決資料的應用，包含了已經存在關聯式資料庫中的結構化資料，也包含了可以放在hadoop中的非結構化資料。利用混合技術，用各自擅長的技能去共同解決問題，展現資料的應用價值，才是大資料時代的核心，而r剛好具備，其已經成為各種工具所形成的乙個生態圈的中心位置，為各種工具的連通提供了橋梁。下一步的問題就是如何通過這個橋梁，合理發揮各類工具的特長，在企業，教學、科研等方面創造更大的資料應用價值。
用rhadoop解決問題的乙個不可避免的瓶頸而言是r的記憶體計算模式，其所能處理的問題規模要注意記憶體的大小，防止記憶體溢位。乙個好的方法是將其他工具，如hadoop處理過後寫在硬碟上的資料進行分塊化處理，r也提供了類似bigtable的硬碟計算方法，相信這些問題可以得到更好解決。例如讓r支援分布式計算？
更多的請查閱revolution analytics的技術***advanced 『big data』 analytics with r and hadoop
******************************=關於版權****************************************
R與C 結合 之 環境配置
主要安裝步驟 這裡2.在安裝r時請確認版本號，然後按預設方式依次安裝 這裡 注意版本一定要匹配，否則安裝不成功 4.接下3中的包，將其拷到r包安裝目錄下，我的目錄是 c program files x86 r r 2.11.1 library 根據自己電腦情況作適應的調整 6.按裝dcom 7.測試...
log4j與hadoop的簡單結合
最近使用了一種資料儲存的方法，就是使用log4j的logback將資料進行儲存，然後將資料上傳到hive表中，進行相關的資料分析操作。不多比比，感謝大佬。logback的使用和logback.xml詳解。這篇部落格寫的比較詳細，關於logbak的相關配置檔案說明。先在業務邏輯層中提取關鍵資訊。這裡我...
深度學習與meanshift結合實現跟蹤
深度學習乙個重要的作用是實現目標的特徵實現自動提取過程，傳統的meanshift跟蹤常用的有顏色直方圖，hog等邊緣特徵提取目標實現跟蹤，則meanshift跟蹤可實現的則是用深度學習自動學習的特徵來完成跟蹤。好處是對於複雜的情況也能很好的提取目標的特徵，使得跟蹤的魯棒性和精度更高。很多人擔心的是實...