R大数据分析实用指南

第6章　R与非关系型数据库

在第5章中，我们展示了R与传统关系型SQL数据库的良好合作。在大多数业务场景中，特别是处理标准的二维矩形数据，依然使用着关系型数据库。然而最近，一系列新的非关系型数据库或者说NoSQL数据库已经快速涌现，主要是为了响应不断增长的应用程序生态系统的需求，收集和处理不同类型的数据，这类数据更灵活并且没有固定格式。在物联网动态发展的这个时代，这些数据库特别引人瞩目。许多NoSQL数据库的增长，特别是开放源代码数据库的发展，也受到极度活跃的社区开发人员的热烈支持，其中许多是同时使用R的用户。在本章中，我们将引导你学习许多教程，以实现以下目标。

• 了解数据模型，基本的NoSQL命令以及MongoDB聚合管道框架。
• 在Linux Ubuntu虚拟机上安装并运行MongoDB。
• 连接到远程EC2的MongoDB上并使用R的rmongodb、RMongo和mongolite包处理数据（包括复杂的NoSQL查询）。

我们将首先介绍什么是NoSQL数据库，以及相关使用案例，然后我们将介绍如何启动和操作一个非常流行的名为MongoDB的非关系型数据库系统。在本章的末尾，我们将简单介绍如何安装和连接HBase。

6.1　NoSQL数据库简介

我们已经在第5章了解了传统的关系型数据库管理系统（Relational Database Management Systems，RDBMS）的基本特征和特点。我们还很清楚它的局限性和具体要求，例如它需要预定义好数据格式，可垂直拓展，这导致其数据增长需要不断对硬件进行升级，并且它们通常不支持非结构化或分层数据。

非关系型或者说NoSQL数据库尝试填补这些差距，并在一些方面做得更加专业。在6.1.1中我们将简单介绍几个NoSQL数据库及其相关用例。 ...