dplyr函数在数据库tbl上的执行是本地还是远程执行？

Question

dplyr函数在数据库tbl上的执行是本地还是远程执行？

sqlrdplyr

3

我一直在本地使用dplyr，发现它是一个非常强大的工具。在许多介绍性演讲中，展示了如何使用聚合函数summarize、mutate等只对所需数据进行操作，从而作用于数据库表格。我了解它如何将这些函数转换为SQL语句，但不太了解其他操作。

例如，如果我想将数据库表作为tbl来处理，并希望通过do()对管道结果运行glm等函数，那么glm是否会以某种方式被传输到数据库中执行，或者必须下载数据（以任何简化形式），然后在本地运行glm？

根据所涉及的表格大小，这是一个重要的区别。谢谢！

- Patrick McCarthy

你读过数据库vignette了吗？ - joran

1

是的，与大多数教程一样，它侧重于连接和聚合，而不是对结果进行任意计算。它确实指出数学函数（例如atanh）会按照数据库支持它们的方式传递，但并未解决任意R函数的问题。 - Patrick McCarthy

1

我想我感到困惑，因为SQL数据库通常不能以某种方式适应任意的R模型。（某些数据库中有一些R嵌入，但我不认为dplyr与它们交互。）而那个vignette的懒惰部分涵盖了我期望数据库执行的所有操作。所以简短的答案是不，你不能只使用dplyr在数据库中拟合模型。 - joran

我之所以问这个问题是因为我正在考虑编写针对IBM Netezza数据库的连接器，它已经提供了一种在其高级分析功能之一中运行R代码的方法。如果这个功能不存在（我同意，我不会指望它存在于任意的mysql或其他数据库中），那么连接dplyr对我没有任何好处，也就不必费心了。 - Patrick McCarthy

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Forrest R. Stevens · Accepted Answer

任何R分析，调用glm()，都在本地运行。正如@joran在上面评论的那样，数据库文档，入门文档，开发信息以及您可以找到的许多有关使用dplyr的信息对于学习如何将某些操作转换为SQL并在DB系统上执行非常有用。我相信，当完成DB-capable操作更有效时，通过在一系列操作中引入特定于R的分析，可能会导致某些瓶颈问题。