戏说R语言系列2

统计之都有一篇对Rstudio公司创始人J.J. Allaire的专访。感兴趣的同学可以抽空看看。 https://cosx.org/2016/11/interview-j-j-allaire/

我觉着比较有意思的地方有几个：

J.J. Allaire 本科学的是经济学和政治科学，居然创建了一家统计软件公司，这点挺神奇的，在专访里，他也觉着很意外。他对编程似乎有很大的兴趣，作为Rstudio的CEO，他目前的主要工作（80%时间）仍然是编程，运营交给另外一个人打理，在Rstudio的官网上，他的Title是软件工程师兼创始人，后面伙计的Title多数是软件工程师。这点在国内比较少见，国内的程序员，多数仍然希望尽快脱离苦海，35岁之前，倘若做不到产品总监，这辈子似乎就 GAME OVER 了，所以只要有一点可当官的机会，常常是排排队、挤破头。有一次和同事聊天，我说大家得想办法有钱，就是不差钱，如果不为生活奔波，没准就真有人愿意凭兴趣去做些好玩的事情了。

Joe Cheng是Rstudio公司的CTO。J.J. Allaire 请他的时候，Rstudio只是一个开源项目，J.J. Allaire 很坦诚，并没有承诺给予Joe Cheng任何“远大前程”，可在Joe Cheng看来这并不是一个问题，最早的Rstudio就这两个人。这点值得学习，创业嘛，无论是作为老板，还是伙计，都应该足够坦诚，把输赢放一边，尽力把事情做好。

Rstudio的首席科学家是Hadley Wickham，这个前一集里已经提到。他的同事谢益辉（国内统计之都创始人，也是这次专访的译者）这样评论他：

因为 Hadley Wickham 和他的合作者们这些年创建了一系列数据整理和可视化的 R 包，这些包被坊间称为 Hadley 次元，即 Hadleyverse，为避免个人崇拜嫌疑，后来被 Hadley 改为 tidyverse，极乐净土，意思是让一团浆糊的数据变得干净整洁，方便探索、可视化和统计建模，关于什么是 “干净的数据”，可参考他的论文 “Tidy Data”

J.J. Allaire 建议初学者学习一下Hadley Wickham的“R for Data Science”。这本书我没看过，我看过Hadley Wickham的“Advanced R”，没看全，可以作为工作手册，在Hadley Wickham 的网站上可以浏览或下载。还有一本“R包开发”的书，也是他写的，中文版出的时候，出版社发起一个向Hadley Wickham提问的活动，问题提的好，可以获赠一本“R包开发”，我在地铁站里琢磨半个小时想了几个问题，不过现在都不记得我问的是什么，后来获得一本赠书，我本以为会有Hadley Wickham 的签名，打开包装后发现上面印着“人民邮电出版社样书专用章”，多少有点小失望。

Rstudio公司的开源产品要比其商业产品丰富得多，营利主要靠为商业用户大规模部署R来实现。J.J. Allaire 这样讲：

商业业务有两个主要方面，第一个是关心想要大规模部署 R 的组织，这里的规模是指计算规模或者是在更大的组织内使用 R。为了满足这些要求，我们增强了一些服务器产品的商业版本，例如 RStudio Server Pro 和 Shiny Server Pro，它们具有大规模部署 R 的功能。虽然我们的开源产品是可以免费获取的，可能许多人不会购买我们的专业产品，但当客户对 R 更加认真时，或者需要在更大的环境中部署 R 时，他们就会倾向于购买我们的专业产品。所以，这就是我们营利的主要方式——靠那些专业的服务器产品营利。
此外我们还有一个云业务，通过网络提供我们的产品服务。例如，我们有 shinyapps.io 用来部署 Shiny 应用程序。目前它并不是我们业务的一大部分，但我们预计它将变得越来越重要，同时我们也期待在未来有其它云服务的出现。

RStudio Server和 Shiny Server的开源产品，我都有在用，但问题是相对于网络服务的性能要求，这两个开源产品有一点慢，虽然我的同事们一直鼓励我说：这个正常，不要太长就好。但我总觉着这是个坑。前几年，谢益辉开玩笑说：“我司在中土大唐尚无商业用户”，也不知道最近有没有国内公司开始使用Rstudio的商业产品。这也是个问题，国内有些公司，甚至是大公司，在scalibility投入上还是挺抠门的，宁可花2000雇5000小编，也不肯把钱花在机器的投入上（这个段子是几年前网上看到的，说的是某宇宙中心社交网站）。当然，也有技术好的公司，可能确实不需要Rstudio的商业产品。

关于R语言的起源问题，R语言更准确的是一门接口语言。像专访里提到的：

在 2014 年 UCLA 的 UseR 会议的特邀主题演讲中，John Chambers 谈到了 R 的原始概念是创建一个接口语言。其中一个动机是，人们想使用强大并且高性能的 FORTRAN 库进行已有的统计分析，但他们希望用更灵活和交互的方式来使用它们。所以这个想法是创建一门擅长提供接口到其它计算系统的语言。刚开始时它是对接现有的 FORTRAN 代码，但随着时间的推移，它已经扩展到运行所有的东西。R 是一个非常好的接口语言。

专访里也提到R语言在当前两个工具上作为接口语言的应用。一个是H20，一个是sparklyr。H20是一款java机器学习软件包，同时提供了R语言的接口，如果用R语言建模，生产环境部署总是要考虑R的性能瓶颈问题，而使用H20的R工具包，大体可以使用R语言的语法编写脚本，但计算等工作实际上是用java完成的，最终的模型是一个jar包，这样的话，建模和部署其实就没那么复杂了。

sparklyr就更进一步了，这个工具是Rstudio开发的。spark也开发了sparkR，也就是R使用者可以用R语言语法使用Spark，sparklyr更进一步的地方是，除了在R环境里使用Spark，还可以在Spark里使用R的计算工具包，要知道，R工具包在CRAN上已经超过一万了，所以Sparklyr确实是一个巨大的进步。

当然，R语言还是有很多局限的，这个还是要记在心里的。